Mathematik - Optimierung und Kontrolle

Ein neuer Ansatz verbessert die Bildqualität bei CT-Scans mit Metallimplantaten.

Neue Algorithmen verbessern die Zeitplanung der Behandlung für eine bessere Patientenbindung.

Ein Blick auf Adams Funktionen und seine Leistung beim Trainieren von Modellen.

Ein Blick auf Methoden zur Vereinfachung hochdimensionaler Funktionen in Regelungssystemen.

Lokale Lösungen für Variationsungleichungen in der Optimierung und Wirtschaft erkunden.

MetaOptimize verbessert die Modellleistung, indem es die Lernparameter dynamisch anpasst.

Erforsche, wie Momentum den Stochastic Gradient Descent im Machine Learning verbessert.

Entdecke, wie DDPMs das Feedback-Management für nichtlineare Systeme verbessern.

Ein neuer Ansatz zur Verbesserung von ACOPF-Lösungen mit Hilfe von linearen Schneidflächenentspannungen.

Eine neue Methode optimiert die Schiffs Geschwindigkeit, um die Lärmbelastung für Meeressäugetiere zu reduzieren.

Neue Methoden verbessern die Entscheidungsfindung in komplexen Szenarien mit widersprüchlichen Zielen.

Dieser Artikel untersucht neue Methoden in der Optimierung mit endlichen Summen unter der PL-Bedingung.

Ein neues Framework verbessert die Effizienz beim Lösen komplexer Bilevel-Optimierungsprobleme.

Eine neue Methode für effizientes Modell-Tuning vorstellen.

Erfahre, wie prescriptive Netzwerke die Behandlungsentscheidungen in der personalisierten Gesundheitsversorgung verbessern.

Ein Blick auf Grenzkontrollmethoden für die KdVBH-Gleichung.

In diesem Artikel werden Methoden besprochen, um zweischichtige ReLU-Neuronale Netzwerke effizient zu trainieren.

Dieser Artikel bespricht die Bedeutung der Parameterinitialisierung in neuronalen Netzen.

Forschungen zeigen die Vorteile von quadratwurzelfreien adaptiven Methoden zum Trainieren von Deep-Learning-Modellen.

Ein neues Modell verbessert die Batteriintegration in Energiesystemen.

Eine Methode zur Findung von Nash-Gleichgewichten in komplexen Entscheidungsfindungsszenarien.

Robuste Optimierungsmethoden für unsichere Daten in der Entscheidungsfindung erforschen.

Untersuchen, wie positive Lur'e-Systeme die Stabilität unter verschiedenen Bedingungen aufrechterhalten.

Eine effiziente Methode zum Anpassen komplexer Modelle mit probabilistischen Daten.

Erkunde, wie Koalitionen gemeinsam bessere Investitionsentscheidungen treffen.

Dieser Artikel untersucht, wie Oberflächenspannung und Schwerkraft das Verhalten von Flüssigkeiten beeinflussen.

Ein Blick auf faire Ressourcenverteilung-Strategien in Spielen und im echten Leben.

Eine Methode, die den Koopman-Operator und Kernel-Ansätze kombiniert, um die Steuerung nichtlinearer Systeme zu verbessern.

Eine neue Methode verbessert die Effizienz der polynomialen Optimierung.

Ein Blick auf Mean-Field-Spiele und ihre Rolle in Multiagentensystemen.

Die Auswirkungen von öffentlichen Daten auf differenzielle Privatsphäre im Machine Learning untersuchen.

Neue Methode nutzt ein Rydberg-Atom für schnelle Lösungen bei ganzzahligen Programmierungen.

Neue Techniken verbessern die Effizienz von Diffusionsmodellen für generative Aufgaben.

Erforschen, wie maschinelles Lernen die Effizienz und Effektivität von MILP-Lösern verbessert.

Innovative Politiken bieten Flexibilität und Effizienz bei Entscheidungsfindungs-Herausforderungen.

Diese Arbeit stellt Techniken vor, um spärliche Optimierungsprobleme effektiv zu lösen.

Ein neuer Algorithmus verbessert die Materialeffizienz beim Verpacken von unregelmässigen Formen.

Ein neuer Ansatz ermöglicht es Agenten, gemeinsam mit minimalem Datenaustausch zu optimieren.

Analyse von Machtindizes in Entscheidungsgruppen durch Abstimmungsstrukturen.

Dieser Artikel untersucht Entscheidungsstrategien bei nichtstationären optimalen Stopp-Problemen.