$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC | MARC |



Título: OTIMIZAÇÃO INVERSA VIA ONLINE LEARNING
Autor: LUISA SILVEIRA ROSA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  MARCO SERPA MOLINARO - ORIENTADOR
Nº do Conteudo: 47321
Catalogação:  02/04/2020 Idioma(s):  PORTUGUÊS - BRASIL
Tipo:  TEXTO Subtipo:  TESE
Natureza:  PUBLICAÇÃO ACADÊMICA
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47321@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=47321@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.47321

Resumo:
Demonstramos como aprender a função objetivo e as restrições de problemas de otimização enquanto observamos sua solução ótima no decorrer de múltiplas rodadas. Nossa abordagem é baseada em técnicas de Online Learning e funciona para funções objetivo lineares sob conjuntos viáveis arbitrários generalizando trabalhos anteriores. Os dois algoritmos, um para aprender a função objetivo e o outro par aprender as restrições, convergem a uma taxa de O (1 sobre raiz de T) que nos permitem produzir soluções tão boas quanto as ótimas em poucas observações. Finalmente, mostramos a eficácia e possíveis aplicações de nossos métodos em um amplo estudo computacional.

Descrição Arquivo
NA ÍNTEGRA  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui