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.
Наука
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.
Децентрализованная оптимизация: новый алгоритм адаптивного сближения
![В исследовании сравнивается эффективность различных алгоритмов - PG-EXTRA, SONATA, adaPDM, adaPDM2, global\_DATOS и local\_DATOS - при решении задач линейной регрессии с эластичной сетью регуляризации на графах Эрдеша-Рени, демонстрируя, что с увеличением числа итераций наблюдается снижение нормы [latex]\|\mathbf{X}^{k}-\mathbf{X}^{\*}\|^{2}[/latex] для всех методов, причём характер сходимости различается в зависимости от вероятности появления ребра графа, установленной на уровне p=0.1, p=0.5 и p=0.9.](https://arxiv.org/html/2602.17545v1/siam_sim/siam_mse_9.png)
В статье представлен инновационный подход к решению сложных оптимизационных задач в распределенных системах, обеспечивающий быструю сходимость без использования глобальной информации.
Управление рисками в моделях экспоненциальных аддитивных процессов
Новое исследование предлагает эффективные стратегии локальной минимизации рисков для финансовых моделей, основанных на аддитивных процессах с изменяющимися во времени мерами Леви.