342 papers
Deze paper presenteert een rigoureus kader voor het uitbreiden van neurale operatoren naar out-of-distribution invoerfuncties door gebruik te maken van kernelbenaderingen en RKHS-theorie, wat betrouwbare voorspellingen van functiewaarden en hun afgeleiden mogelijk maakt, zoals gevalideerd bij het oplossen van elliptische partiële differentiaalvergelijkingen op variëteiten.
Dit artikel introduceert een tweestapsframework voor stochastische niet-convexe optimalisatie dat negatieve kromming gebruikt om met hoge waarschijnlijkheid convergentie naar tweede-orde stationaire punten te garanderen, waarbij de iteratiecomplexiteit en het convergentiegebied expliciet worden gekwantificeerd in functie van de ruis in de orakels.
Dit paper presenteert lokaal implementeerbare benaderingen van netwerk-CBF-veiligheidsfilters via een twee-tijdschaalontwerp, waarbij expliciete grenzen worden afgeleid om de afweging tussen veiligheidsdegradatie en lokale toepasbaarheid te kwantificeren.
Dit artikel onderzoekt continue-tijd multi-armed bandits met willekeurige interventietijden en levert een expliciete karakterisering van de Gittins-index voor onafhankelijke armen die evolueren als Lévy-processen, met name in het geval van exponentiële wachttijden en gespecificeerde stochastische processen.
Dit artikel formaliseert leren om te communiceren in Dec-POMDPs door middel van informatiestructuren, identificeert de wiskundige voorwaarden voor kwasi-klassieke scenario's die computationele haalbaarheid garanderen, en ontwikkelt daarvoor bewezen algoritmen met gegarandeerde complexiteit.
Dit artikel presenteert een geünificeerd co-optimisatiekader voor de productieschema's van utility-scale off-grid hernieuwbare power-to-hydrogen-systemen met heterogene elektrolyseurs, dat frequentiebeveiliging waarborgt door dynamische lastverdeling en schakeling, waardoor de afhankelijkheid van conventionele reserves wordt verminderd en de winstgevendheid aanzienlijk stijgt.
Dit artikel introduceert een hanteerbaar oneindig-dimensionaal model dat, via een Hamilton-Jacobi-Bellman-systeem en kwantisatietechnieken, een gesloten vorm biedt voor de langetermijnimpactbeoordeling van processen met lange geheugen, zoals subexponentieel afnemende benthische algenbloei.
Deze paper introduceert een wisselend leerframework voor cooperatieve multi-agent versterking die, onder beperkte observatie van een subset van lokale agenten, convergeert naar een benaderend Nash-evenwicht met een sample complexiteit die onafhankelijk is van de gezamenlijke actie- en toestandsruimte.
In dit artikel wordt een succesieve verschil-van-convexe (SDC) methode voorgesteld, gebaseerd op de Moreau-hulling en het progressieve straffingsalgoritme, om een klasse van tweestaps niet-convexe en niet-gladde stochastische conische programma's op te lossen via een niet-monotone stochastische variatie-ongelijkheid, waarbij de convergentie wordt bewezen en de effectiviteit wordt gedemonstreerd aan de hand van een uitgebreid Markowitz-model.
Deze paper presenteert een Plug-and-Play blind super-resolutie-framework dat klinische 1.5 T MRI-beelden van multiple sclerosis-patiënten verbetert door een niet-convexe inverse probleemoplossing te gebruiken voor gezamenlijke schatting van hoogresolutie beelden en vervagingskernen, wat resulteert in een betere zichtbaarheid van diagnostisch relevante kenmerken.
Deze paper introduceert een nieuwe ensemble Kalman-filterbenadering die spurious correlaties inherent aanpakt door de analyse-kansverdeling lokaal te benaderen via variational Bayesian optimalisatie, waardoor de noodzaak voor handmatige lokalisatie wordt geëlimineerd en vergelijkbare prestaties worden behaald met standaard EnKF en ETKF-methoden.
Deze paper introduceert een impliciet-expliciet trust-region-methode die, door gebruik te maken van de Hessian-structuur en de FFT, efficiënt tweede-orde stationaire punten berekent voor Landau-modellen zoals het Landau-Brazovskii-systeem, waardoor het in staat is om zadelpunten te ontvluchten en een stabiel FDDD-fasegebied te identificeren dat eerder niet was gerapporteerd.
Deze paper presenteert een methode om niet-lineaire acyclische netwerken in continue tijd te identificeren door gebruik te maken van niet-nul beginvoorwaarden en volledige excitaties, waarbij wordt aangetoond dat het meten van alle 'sinks' voldoende is voor het reconstrueren van zowel bomen als algemene gerichte acyclische grafen.
Dit artikel presenteert een robuust, adaptief KKT-gebaseerd convergentie-indicator voor multi-objectieve optimalisatie dat, door middel van kwantielnormalisatie, de stationariteit van oplossingen meet zonder afhankelijk te zijn van externe referentiezets.
Dit artikel onderzoekt de onderlinge invloed van voorraadhervulling en online orderafhandeling op de winstgevendheid, waarbij het aantoont dat de prestaties afhankelijk zijn van de replenishment-cyclus en een nieuw vooruitziend algoritme introduceert dat myopische benaderingen overtreft.
Dit artikel introduceert een Riemanniaanse gradiëntmethode met momentum voor het minimaliseren van gladde functies op Riemanniaanse variëteiten, bewijst een worst-case complexiteit van en toont via uitgebreide experimenten aan dat de methode concurrerend is met bestaande state-of-the-art solvers.
Dit artikel onderzoekt de Wasserstein-gradiëntstroom van semi-discrete energieën, die van toepassing zijn op stadsplanning en uniforme kwantisatie, door de convergentie van het JKO-schema naar een gekoppeld systeem van een parabolische PDE en een ODE te bewijzen en de kwalitatieve dynamiek daarvan, inclusief een dynamisch kristallisatieverschijnsel, te analyseren via numerieke simulaties.
Dit paper presenteert een wiskundig onderbouwde analyse van Lyapunov-stabiliteit voor een stochastisch drift-diffusiemodel in multi-objective optimalisatie, vergezeld van een implementatie in het pymoo-framework, en toont aan dat deze methode hoewel minder concurrerend in lage dimensies, een waardevol alternatief biedt voor hogere dimensies onder beperkte evaluatiebudgetten.
Dit artikel bewijst een omgekeerde Lyapunov-stelling voor de begrensdheid van bereikbaarheidsverzamelingen in een algemene klasse van oneindig-dimensionale besturingssystemen met Lipschitz-vloeiende stromen, wat leidt tot een vergelijkbaar resultaat voor voorwaartse volledigheid bij gewone differentiaalvergelijkingen zonder restricties op de grootte van de ingangen.
Dit paper weerlegt de vermoedens dat er altijd een optimale strategie bestaat in oneindige Markov-beslissingsprocessen met een eindig additieve evaluatie, door aan te tonen dat er, afhankelijk van de gekozen aggregatie-maat, zelfs geen enkele optimale strategie (zuiver of gerandomiseerd) kan bestaan.