Эволюция оптимизации: новые испытания для алгоритмов

В статье представлен всесторонний анализ и расширенный набор тестов для оценки алгоритмов, решающих задачи многокритериальной оптимизации в динамически меняющихся условиях.

В статье представлен всесторонний анализ и расширенный набор тестов для оценки алгоритмов, решающих задачи многокритериальной оптимизации в динамически меняющихся условиях.

В статье представлен оригинальный геометрический фреймворк, позволяющий более точно анализировать и гарантировать надежность моделей машинного обучения при изменении распределения данных.
Исследование предлагает инновационный подход к построению оптимальных стратегий инвестирования в условиях рынков с множественными источниками кредитного риска.
В статье представлен стохастический принцип максимума и решение задачи линейно-квадратичного оптимального управления для дробных обратных стохастических эволюционных уравнений в гильбертовых пространствах.

В статье представлено применение методов обучения с подкреплением для оптимизации стратегий опционного хеджирования с учетом транзакционных издержек и минимизации риска убытков.