Buchumschlag

Modern stochastic quasi-gradient optimization algorithms

Gespeichert in:

Bibliographische Detailangaben
Datum:	2024
Hauptverfasser:	V. I. Norkin, A. Y. Kozyriev, B. V. Norkin
Format:	Artikel
Sprache:	Englisch
Veröffentlicht:	2024
Schriftenreihe:	International Scientific Technical Journal «Problems of Control and Informatics»
Online Zugang:	http://jnas.nbuv.gov.ua/article/UJRN-0001483144
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Library portal of National Academy of Sciences of Ukraine \| LibNAS

Institution

Library portal of National Academy of Sciences of Ukraine | LibNAS

Ähnliche Einträge

Stochastic generalized gradient methods for training nonconvex nonsmooth neural networks
von: V. I. Norkin
Veröffentlicht: (2021)

Generalized gradients in dynamic optimization, optimal control, and machine learning problems
von: V. I. Norkin
Veröffentlicht: (2020)

Robust clustering on high-dimensional data with stochastic quantization
von: Kozyriev, A., et al.
Veröffentlicht: (2025)

Stochastic optimization models of actuarial mathematics
von: Ju. M. Ermolev, et al.
Veröffentlicht: (2020)

On Shor&#039;s r-Algorithm for Problems with Constraints
von: V. Norkin, et al.
Veröffentlicht: (2023)

On stochastic optimal control of the risk process in discrete time
von: B. V. Norkin
Veröffentlicht: (2014)

A Stochastic Smoothing Method for Nonsmooth Global Optimization
von: V. I. Norkin
Veröffentlicht: (2020)

A stochastic smoothing method for nonsmooth global optimization
von: Norkin, V.I.
Veröffentlicht: (2020)

Study of stochastic gradient methods for optimization of algorithms of learning artificial neural networks
von: T. A. Samoljuk
Veröffentlicht: (2017)

Statistical approximation of multicriteria problems of stochastic programming
von: B. V. Norkin
Veröffentlicht: (2015)

Statistical approximation of multicriteria problems of stochastic programming
von: Norkin, B.V.
Veröffentlicht: (2015)

On the Approximation of Vector Optimization Problems
von: Norkin, B.V.
Veröffentlicht: (2015)

On the Approximation of Vector Optimization Problems
von: B. V. Norkin
Veröffentlicht: (2015)

On convergence of direct methods for continuous vector optimization
von: B. V. Norkin
Veröffentlicht: (2015)

Optimization models of anti-terrorist protection
von: V. I. Norkin
Veröffentlicht: (2018)

About convergence conditions for the empirical mean method of stochastic programming
von: P. S. Knopov, et al.
Veröffentlicht: (2018)

B&B method for discrete partial order and quasiorder optimizations
von: Norkin, V.I.
Veröffentlicht: (2019)

Evaluating the stochastic gradient to optimize the efficiency of systems which are described by fault trees with efficiency
von: Yu. Kuznietsov, et al.
Veröffentlicht: (2022)

A new projective exact penalty function for a general constrained optimization
von: V. I. Norkin
Veröffentlicht: (2022)

A new projective exact penalty function for a general constrained optimization
von: Norkin, V.I.
Veröffentlicht: (2022)

B&amp;B method for discrete partial order and quasiorder optimizations
von: V. I. Norkin
Veröffentlicht: (2019)

Smoothed Analysis for the Conjugate Gradient Algorithm
von: Menon, G., et al.
Veröffentlicht: (2016)

Structural and stochastic properties of the lexicographic search algorithm for solution of a discrete optimization problem
von: S. V. Chupov
Veröffentlicht: (2016)

Gradient-free control algorithms for motion planning with obstacle avoidance
von: V. V. Grushkovskaja
Veröffentlicht: (2017)

Quasi-maximum likelihood estimation of the Component-GARCH model using the stochastic approximation algorithm with application to the S&amp;P 500
von: A. Settar, et al.
Veröffentlicht: (2021)

Numerical simulation of the insurance business by means of markov chains
von: V. I. Norkin, et al.
Veröffentlicht: (2016)

Probalistic-gradient method for solving certain problems convex optimization
von: A. F. Godonoga, et al.
Veröffentlicht: (2014)

On the finite convergence of the NN classification learning on mistakes
von: V. I. Norkin
Veröffentlicht: (2022)

Substantiation of the backpropagation technique via the Hamilton—Pontryagin formalism for training nonconvex nonsmooth neural networks
von: V. I. Norkin
Veröffentlicht: (2019)

On the finite convergence of the NN classification learning on mistakes
von: Norkin, V.I.
Veröffentlicht: (2022)

Substantiation of the backpropagation technique via the Hamilton—Pontryagin formalism for training nonconvex nonsmooth neural networks
von: Norkin, V.I.
Veröffentlicht: (2019)

Models of the optimal resources allocation for the critical infrastructure protection
von: V. I. Norkin, et al.
Veröffentlicht: (2018)

Gradient-free control algorithms for dynamic optimization problems (According to the materials of scientific report at the meeting of the Presidium of NAS of Ukraine, May 30, 2018)
von: V. V. Hrushkovska
Veröffentlicht: (2018)

Multiscale simulation algorithm for stochastic cooling simulation
von: M. E. Dolinska, et al.
Veröffentlicht: (2016)

Features of quasi-optimal discrete signal processing
von: O. V. Sytnik
Veröffentlicht: (2019)

Parametric Optimization of Metallic Rod Constructions with using the Modified Method of Gradient Projection
von: I. D. Peleshko, et al.
Veröffentlicht: (2021)

Stationary stochastic fields on the plane and algorithms of its generation
von: V. M. Kolodiazhnyi, et al.
Veröffentlicht: (2014)

Genetic algorithms of optimization
von: A. A. Vagis
Veröffentlicht: (2019)

On the stochastic optimal control of a descriptor system
von: L. A. Vlasenko, et al.
Veröffentlicht: (2020)

Evolutionary algorithm of the optimal classification
von: I. V. Kozin
Veröffentlicht: (2015)