Динамика сложных систем: новый подход к моделированию
В статье представлен комплексный фреймворк на основе численного метода конечных элементов для анализа движения многокомпонентных систем с учетом контактных взаимодействий и вязкоупругих свойств.
Наука
Адаптация к Переменчивому Миру: Новый Подход к Обучению в Многоагентных Средах
![В предложенной структуре S2Q каждая подсеть [latex]Q^{sub,k}[/latex] передаёт набор оптимальных действий [latex]\mathcal{A}^{k}[/latex], сформированных на основе опыта всех предыдущих подсетей, в то время как следующая подсеть [latex]Q^{sub,k+1}[/latex] обучается целевой функции [latex]Q^{\*}[/latex] с одновременным подавлением Q-значений действий, уже включенных в [latex]\mathcal{A}^{k}[/latex].](https://arxiv.org/html/2602.17062v1/x2.png)
Исследователи предлагают инновационный алгоритм, позволяющий агентам сохранять и использовать неоптимальные действия для более эффективной адаптации к динамично меняющимся условиям.
Экологическая политика в эпоху сложности: как оптимизировать решения?
Новый подход объединяет агентное моделирование и методы статистической оптимизации для поиска эффективных стратегий в решении экологических проблем.
Стохастический градиентный спуск: новый взгляд с помощью исчисления Маллиавена
![Оптимальный вес смешивания [latex]\lambda^{\*}[/latex] уменьшается с увеличением силы связи α, что свидетельствует о возрастающей выгоде от использования компонента Маллиавена, при этом указанная зависимость подтверждается средним значением по 50 повторным экспериментам и отражает погрешность в ±2 стандартных отклонения.](https://arxiv.org/html/2602.17013v1/figures/figure_1_lambda_vs_alpha.png)
Исследование предлагает инновационный подход к оптимизации машинного обучения, объединяющий теорию исчисления Маллиавена с методами стохастического градиентного спуска для снижения дисперсии и повышения эффективности.
Принятие решений в условиях неопределенности: когда модель ошибается
Новое исследование раскрывает, как алгоритм Thompson Sampling ведет себя, когда используемая модель не соответствует реальности, и какие факторы определяют стабильность принимаемых решений.