342 papers
Dit artikel onderzoekt de fundamentele eigenschappen van paraconvexe functies en de convergentie van geprojecteerde subgradiëntmethoden voor deze klasse, waarbij de theoretische resultaten worden gevalideerd door numerieke experimenten op robuuste laag-rang matrixherstelproblemen.
Dit artikel demonstreert dat de vervloeking van de dimensionaliteit optreedt bij het trainen van ondiepe neurale netwerken met Lipschitz-continuïteit, waarbij de convergentiesnelheid van het populatierisico wordt beperkt door de dimensie en de gladheid van de doelfunctie, zelfs bij gebruik van gradient flow-dynamica in de 2-Wasserstein-ruimte.
De auteurs presenteren Clip21-SGD2M, een nieuwe methode voor Federated Learning die door een innovatieve combinatie van clipping, zware-bal-momentum en foutfeedback zowel optimale convergentie garandeert als sterke differentieel-privateits-eigenschappen biedt, zelfs bij sterk heterogene client-data.
In deze notie worden verschillende begrippen van niet-rigiditeit van horizontale vectoren in Carnot-groepen, die zijn gemotiveerd door karakteriseringen van monotone verzamelingen en Whitney-uitbreidingseigenschappen, met elkaar vergeleken.
Deze paper introduceert een kernel-gebaseerde maximum-entropie methode voor inverse versterkingsleer in oneindige-horizont stationaire mean-field games die niet-lineaire beloningsstructuren kan infereren, en biedt tevens een alternatief convergentie-algoritme voor eindige-horizont niet-stationaire scenario's.
Dit artikel presenteert een traagheidsversnelde primal-dual algoritme voor niet-gladde convexoptimalisatie met lineaire gelijkheidsrestricties, afgeleid van een tweede-orde differentiaalstelsel met tijdschaling, en bewijst snelle convergentie voor de primal-dual gap, de haalbaarheidsviolatie en de objectiveresidu.
Dit artikel introduceert een proximaal stochastisch gradiëntalgoritme met variatie-reductie en een adaptieve stapgrootte voor convex-composite optimalisatie, waarvan de sterke convergentie, de convergentie van de gradiëntfout en een convergentiesnelheid van worden bewezen en gevalideerd via numerieke experimenten.
Dit artikel introduceert een nieuw theoretisch raamwerk voor het afleiden van boven- en ondergrenzen voor het permutatie-flowshop-planningsprobleem, dat via een polynoomtijd-oplosbare min-max-formulering aanzienlijk betere resultaten oplevert op standaardbenchmarks en nieuwe inzichten biedt in asymptotische eigenschappen en een conjectuur van Taillard.
Deze paper introduceert een nieuwe communicatie-efficiënte, decentrale symmetrische ADMM-algoritme dat door middel van meerdere communicatierondes per iteratie de totale communicatiekosten verlaagt en snelle lineaire convergentie bereikt voor compositieve optimalisatieproblemen in netwerken zonder centrale coördinator.
Dit paper introduceert Deep FlexQP, een versnelde QP-oplosser op basis van deep unfolding die zowel haalbare als onhaalbare convex-quadratische problemen efficiënt oplost en de prestaties van niet-lineaire trajectoptimalisatie en predictieve veiligheidsfilters aanzienlijk verbetert.
Deze paper introduceert D-APDB, een versnelde, decentrale primal-dual algoritme met backtracking dat de optimale convergentiesnelheid bereikt voor samengestelde convex optimalisatieproblemen met privé-beperkingen zonder vooraf kennis van Lipschitz-constanten.
In dit werk worden de convergentiegaranties voor de Muon-optimizer voor niet-convexe optimalisatie verscherpt door een directe en vereenvoudigde analyse die snellere convergentiepercentages oplevert en een bredere reeks probleemsettings bestrijkt dan eerdere studies.
Deze paper introduceert YuriiFormer, een suite van Nesterov-versnelde transformers die transformerlagen interpreteren als optimalisatiestappen en hiermee een architectuur voorstellen die de prestaties van nanoGPT op TinyStories en OpenWebText verbetert.
Dit artikel toont aan dat het robuuste permutatie-flowshop-probleem onder budgettair onzekerheidsmodel in polynomiale tijd kan worden opgelost voor twee machines en benaderd voor een vast aantal machines, door het probleem te reduceren tot het oplossen van een polynomiaal aantal instanties van het nominale probleem.
Dit artikel toont aan dat de meetkundige zeldzaamheid van het reële beeld van een G-invariante variëteit verklaart waarom kritieke punten en de globale minimum in optimalisatieproblemen met symmetrie statistisch gezien naar de randstrata met niet-triviale stabilisatoren worden geduwd, wat leidt tot een overvloed aan symmetrische toestanden.
Dit artikel presenteert een methode voor zeldzame gebeurtenis-bewuste besturing van energiesystemen via multistage stochastische programmering, waarbij een Fleming-Viot-deeltjesbenadering wordt gebruikt om scenario's te genereren die gericht zijn op zeldzame windstijlen om zo een kosteneffectieve en robuuste regeling van conventionele krachtcentrales te waarborgen.
Dit artikel toont aan dat gemengde H2/H∞-regeling vanuit het perspectief van beleidsoptimalisatie een gunstige niet-convexe structuur bezit waarbij elk stationair punt globaal optimaal is, dankzij een Extended Convex Lifting-raamwerk dat verborgen convexiteit onthult en schaalbare methoden mogelijk maakt.
Dit artikel presenteert een directe, op meetkunde gebaseerde set-membership-methode voor het lokaliseren van een punt in op basis van afstandsmetingen met onbekende maar begrenste fouten, waarbij het niet-convexe verzameling van mogelijke locaties wordt benaderd door efficiënte convex-optimalisatietechnieken om gegarandeerde uitwendige omhullende vormen (zoals een doos of ellipsoïde) te berekenen.
Dit artikel presenteert een probabilistische oplossing voor lineair-kwadratische optimale besturingsproblemen met toestandsbeperkingen, waarbij een diffusieproces binnen een gespecificeerd gebied wordt gehouden terwijl de verwachte kosten worden geminimaliseerd, en levert een expliciete representatie voor de waarderingsfunctie en de optimale besturing onder milde voorwaarden.
Deze studie toont aan dat bij hoogdimensionale willekeurige data de impliciete bias van gradient descent voor een ondiep ReLU-model met hoge waarschijnlijkheid de minimum-l2-norm oplossing benadert met een foutmarge van de orde , dankzij een nieuwe primal-dual analyse die aantoont dat het ReLU-activatiepatroon snel stabiliseert.