311 artigos
Este artigo analisa a existência de observadores baseados em estimação de parâmetros (PEBO) para sistemas não lineares gerais, estudando detalhadamente as propriedades de transformabilidade e identificabilidade para fornecer condições suficientes que garantam sua viabilidade.
O artigo propõe o algoritmo DPS-LA, uma nova abordagem de passo adaptativo de Polyak com ajuste de nível para otimização distribuída, que elimina a necessidade de conhecer valores ótimos globais ao exigir apenas a resolução de um problema de viabilidade linear, garantindo consenso de rede e uma taxa de convergência de .
Este artigo analisa um problema de decisão sequencial em clínicas de saúde, propondo heurísticas de tempo linear que orientam enfermeiros sobre quando utilizar telemedicina com médicos gerais, alcançando desempenho quase ótimo e oferecendo insights práticos para investimentos em infraestrutura.
Este artigo propõe uma nova solução de forma fechada para o problema de formação de feixe adaptativo robusto, composta por três etapas consecutivas, que supera os métodos existentes em eficiência computacional e capacidade de lidar com cenários de covariância com posto deficiente, além de estabelecer condições inéditas de existência e unicidade.
Este artigo apresenta um estudo experimental que demonstra a viabilidade de executar um solver de conjunto ativo dual (DAQP) a 500 Hz em um microcontrolador STM32F405 para controle de baixo nível de um quadricóptero nano Crazyflie 2.1, superando em tempo de execução o solver TinyMPC e introduzindo um método baseado em PCA para certificação offline da factibilidade em tempo real.
O artigo apresenta o SHANG++, um método de descida de gradiente estocástico acelerado que, ao incorporar uma correção de amortecimento, supera a sensibilidade ao ruído do método de Nesterov sob condições de ruído multiplicativo, garantindo convergência robusta e eficiente em problemas convexos e em aplicações de aprendizado profundo.
Este artigo apresenta um método para calcular limites de ganho em sistemas de Lur'e sobre faixas restritas de frequência e amplitude, utilizando Gráficos Relativos Escalonados (SRGs) e teoria de Sobolev para gerar um diagrama de Bode não linear tridimensional que generaliza as abordagens clássicas e oferece limites menos conservadores.
Este artigo propõe uma abordagem categórica para a otimização convexa, definindo uma categoria onde os objetos são problemas de otimização e demonstrando como essa estrutura permite rederivar resultados fundamentais, como teoremas do tipo minimax e a involutividade da transformada de Legendre.
Este artigo propõe um método estocástico de multiplicadores de direção alternada (ADMM) para otimização convexa composta não suave em espaços de Hilbert, demonstrando sua convergência forte e taxas de convergência aceleradas, além de validar sua aplicação em problemas de equações diferenciais parciais com coeficientes aleatórios.
Este artigo introduz os núcleos de Christoffel-Darboux suavizados em variedades como uma regularização sistemática que melhora a dicotomia clássica de suporte e permite a recuperação quantitativa e consistente de densidades a partir de dados de momentos, sem a necessidade de conhecer a medida de equilíbrio subjacente.
Este artigo propõe o modelo RE-RPfair, uma extensão do problema de otimização robusta para compromisso de unidades com energias renováveis, que visa garantir uma alocação justa entre fontes fotovoltaicas através da supressão controlada e da medição da equidade pelo Índice de Gini.
Este artigo formaliza o quebra-cabeça lógico Evolomino como um modelo de programação linear inteira, apresenta um algoritmo para gerar instâncias com solução única e demonstra a eficácia de um solver CP-SAT na resolução de puzzles de até 18x18 em tempo computacional viável.
Este estudo investiga um problema de controle linear-quadrático de Dirichlet governado por uma equação elíptica não coerciva em domínios poligonais não convexos, utilizando regularização de Tikhonov em seminorma de energia, estabelecendo a regularidade das soluções em espaços de Sobolev ponderados e demonstrando que o uso de malhas graduadas e uma projeção discreta adequada permite obter estimativas de erro ótimas e convergência uniforme.
O artigo propõe um quadro unificado de otimização não convexa distribuída, denominado UPP, que integra diversos métodos existentes e oferece garantias de convergência sublinear e linear, além de atingir limites ótimos de complexidade de comunicação através de aceleração de Chebyshev.
Este artigo apresenta uma estrutura de identificação de sistemas baseada em otimização e adjunta para localizar fraquezas estruturais e recuperar campos de temperatura em sistemas acoplados termo-mecânicos unidirecionais, demonstrando que tanto as abordagens monolítica quanto particionada superam significativamente as suposições de temperatura constante ou interpolação, especialmente quando os sensores não capturam totalmente as tendências térmicas.
Este artigo apresenta o algoritmo ADMM-BDA, uma nova estrutura de otimização bilevel que integra o método dos multiplicadores de direção alternada com agregação de descida bilevel para realizar seleção de hiperparâmetros esparsos, garantindo convergência global sob condições relaxadas que dispensam a suposição de singleton no nível inferior e demonstrando superioridade em experimentos com dados sintéticos e reais.
Este artigo propõe uma abordagem de controle ótimo rigorosa para o treinamento de Transformers, modelando a arquitetura como um sistema de partículas controlado com dinâmica de McKean-Vlasov e utilizando um processo de decisão de Markov levantado em medidas de probabilidade para estabelecer políticas globalmente ótimas e robustas, oferecendo uma alternativa viável aos métodos baseados em gradiente que não exigem suavidade ou convexidade.
Este artigo refina as estimativas conhecidas sobre as dimensões das faces maximais do cone de matrizes completamente positivas, provando que o limite inferior exato é para dimensões ímpares e estabelecendo que, para dimensões pares , esse limite situa-se entre e .
Este artigo apresenta uma pesquisa sobre técnicas de média em métodos de gradiente estocástico, abrangendo desde as fundações teóricas e desenvolvimentos modernos até aplicações em aprendizado de máquina, resultados de comportamento em amostras finitas e direções futuras de pesquisa.
Este artigo caracteriza um equilíbrio de Nash aproximado entre DEXs que competem definindo taxas dinâmicas, demonstrando que, embora a estrutura de dois regimes persista, a concorrência desloca o limite de alternância para uma média ponderada das taxas e reduz o deslizamento de execução para agentes estratégicos, enquanto o impacto sobre traders ruidosos varia conforme a atividade do mercado.