Оптимизация управления транспортом: Активный подход к калибровке моделей
Новый метод позволяет эффективно настраивать модели движения автомобилей, повышая точность симуляций и безопасность дорожного движения.
Наука
Обучение в меняющемся мире: новые гарантии скорости сходимости
В статье представлены теоретические результаты, обеспечивающие быструю адаптацию алгоритмов обучения к данным, которые меняются со временем.
Карты вознаграждений: Новый подход к обучению генеративных моделей
![Карты алмазных потоков представляют собой стохастические карты потоков, позволяющие выполнять одношаговые «прогнозы» траектории потока к потенциальным конечным точкам, что обеспечивает эффективное исследование, поиск и навигацию, при этом предложены два варианта реализации: карты апостериорных потоков, дистиллирующие потоки GLASS в карту потоков [latex]X\_{s,r}(\bar{x}|x\_{t},t)[/latex] для точной выборки из апостериорного распределения, и взвешенные карты алмазных потоков, позволяющие использовать стандартные карты потоков посредством простого добавления шума, что повышает эффективность выборки (ESS) и улучшает выравнивание изображений, как демонстрируется на примерах запросов, включающих](https://arxiv.org/html/2602.05993v1/x1.png)
В статье представлен инновационный метод, позволяющий эффективно согласовывать цели генеративных моделей с желаемым поведением, используя стохастические карты потока.
Не только оптимизация: как правильно сформулировать задачу
Новое исследование показывает, что разделение задач оптимизации топологии и выбора материалов приводит к более эффективным и реалистичным конструкциям композитных материалов.
Оптимизация онлайн: снижение сложности стохастических методов Ньютона
Новый алгоритм позволяет существенно сократить вычислительные затраты при онлайн-оптимизации, приближаясь по эффективности к методам первого порядка.