The Stability of the Constrained Utility Maximization Problem - A BSDE Approach
本文研究了电力效用最大化问题对投资者相对风险厌恶程度、统计概率测度、投资约束和风险市场价格的敏感性。我们扩展以前的描述的对偶域,然后利用约束效用最大化问题和连续半鞅二次BSDES之间的联系,以减少问题的敏感性,结果稳定,这样的方程。这使我们能够证明适当的收敛性的原始和对偶优化的半鞅拓扑。
2011-07-01 math.OC math.PR q-fin.PM
A Stochastic Maximum Principle for Control Problems Constrained by the Stochastic Navier-Stokes Equations
本文考虑了\cite{ocpc}中引入的多维区域上的随机Navier-斯托克斯方程的控制问题,该问题仅限于由Q-Wiener过程定义的噪声项.利用随机最大值原理,推导出了一个基于伴随方程的最优控制设计的必要最优性条件,该伴随方程由倒向随机微分方程给出。此外,我们证明了最优控制满足一个充分的最优性条件。因此,我们可以解决唯一的随机Navier-斯托克斯方程约束的控制问题,特别是对于二维以及三维区域。
2018-10-26 math.OC
Well-posedness of constrained minimization problems via saddle-points
本文证明了一类约束极小化问题的一个非常一般的适定性结果。
2007-03-30 math.OC
Constrained mean-field control with singular controls: Existence, stochastic maximum principle and constrained FBSDE
School of Mathematics and Statistics, Xidian University(西安电子科技大学数学与统计学院);School of Mathematical Sciences, University of Science and Technology of China(中国科学技术大学数学科学学院);Department of Applied Mathematics, The Hong Kong Polytechnic University(香港理工大学应用数学系)
本文研究了带有奇异控制的一般动态状态-控制律约束下的均场控制问题,提出定制化放松控制方法,建立最优控制的存在性,并推导了随机最大原理和约束BSDE。
2026-04-27 math.OC math.PR
An Exact Method for Constrained Maximization of the Conditional Value-at-Risk of a Class of Stochastic Submodular Functions
考虑了一类风险厌恶次模最大化问题(RASM),其目标是给定风险水平下随机非减次模函数的条件风险价值(CVaR).我们提出了有效的不等式和精确的一般方法求解RASM的假设下,我们有一个有效的预言计算CVaR的随机函数。我们证明了所提出的方法上的随机集合覆盖问题,承认一个有效的CVaR预言的随机覆盖函数。
2020-04-16 math.OC
Constrained Max Drawdown: a Fast and Robust Portfolio Optimization Approach
提出基于最大回撤的线性化投资组合优化模型及其混合整数线性规划变体,在财务困境期实现比标准Markowitz模型更稳健且求解快200倍的方案。
2024-01-05 math.OC q-fin.PM
A variant of nonsmooth maximum principle for state constrained problems
我们推导出一个变种的非光滑最大值原理的纯状态约束问题。我们的结果的兴趣在于nonsmoothness本身,因为当应用到光滑问题,它与已知的结果相吻合。值得注意的是,在规范形式,我们的结果具有特殊的功能,是一个充分的最优性条件的线性凸问题,一个功能,经典庞特里亚金最大值原理,而非光滑版本没有。这项工作是不同的文献中以前的工作,因为,对于状态约束问题,我们添加了Weierstrass条件伴随包含使用联合次微分的状态和控制。我们的证明使用了[16]中发展的旧技术,同时吸引了[7]中的新结果。
2013-03-16 math.OC
Optimal Responses to Constrained Bolus Inputs to Models of T1D
我们对餐时胰岛素输入进行了优化,使Magdelaine和Bergman极小模型预测的最大血糖浓度最小化,以响应任何正界干扰,同时保持高于固定的较低血糖浓度。这种表征是根据血浆葡萄糖浓度的最大值和最小值进行的,并且限制了这种系统的可控性。任何进一步降低最大血糖浓度的尝试将导致低血糖。
2022-05-09 math.OC
Optimality Conditions for Constrained Minimax Optimization
极大极小优化问题既源于现代机器学习,包括生成对抗网络、对抗训练和多智能体强化学习,也源于传统研究领域,如鞍点问题、数值偏微分方程和等式约束优化的最优性条件。对于无约束连续非凸-非凹情形,Jin,Netrapalli和Jordan(2019)仔细考虑了非常基本的问题:什么是极小极大最优化问题的局部最优解的适当定义,并提出了局部极小极大的局部最优性的适当定义。我们将局部极大极小点的定义推广到约束非凸-非凹极大极小最优化问题。通过分析下层极大化问题的Jacobian唯一性条件和极大化问题的Karush-Kuhn-Tucker条件的强正则性,给出了约束极小极大最优化问题局部极小极大点的最优性条件和充分最优性条件.
2020-04-21 math.OC
Delay Constrained Utility Maximization in Multihop Random Access Networks
Department of Electrical Engineering and Advanced Communications Research Institute, Sharif University of Technology(电气工程系与先进通信研究所,谢里夫理工大学)
针对多跳随机接入网络中的时延问题,提出基于时延约束的效用最大化框架,通过分布式优化实现速率、能量与时延的最优折中。
2010-11-23 cs.IT cs.NI cs.SY
Accelerated Algorithms for Constrained Nonconvex-Nonconcave Min-Max Optimization and Comonotone Inclusion
Yale University(耶鲁大学)
针对约束共单调极小极大优化及共单调包含问题,扩展EAG和FEG算法至约束场景,均实现一阶方法最优的$O(1/T)$收敛速率,分析基于势函数论证且适用于广泛问题集合。
2024-12-04 cs.DS cs.LG math.OC
Restricted Linear Constrained Minimization of quadratic functionals
在这项工作中,一个线性约束下的最小化的一个半正定二次功能的审查。我们的结果是关于无穷维实希尔伯特空间的,其中奇异正算子与泛函有关,并考虑奇异算子作为约束。所提出的最小化和以前的工作之间的区别,这个问题,是它被认为是所有向量垂直于核的相关运营商或矩阵。
2010-09-17 math.OC
On the computation of lambda-contractive sets for linear constrained systems
本文给出了具有状态和输入约束的线性系的压缩集计算的两个理论结果。首先,我们表明,它是可能的先验计算的迭代次数是足够的近似最大的压缩集与一个给定的精度使用1步集。其次,基于前一个结果,我们提供了一个程序来选择λ,使相关的最大λ-压缩集是保证近似的最大控制不变集具有给定的精度。
2016-06-09 math.OC
A varying terminal time structure for stochastic optimal control under constrained condition
在本研究中,我们提出了一个变终端时间结构的状态约束下的最优控制问题,其中的终端时间通过约束条件的变化跟随控制。针对这一新的最优控制问题,我们研究了一种新的随机最大值原理,它不同于传统的状态约束下的最优控制问题。通过这种新的随机最大值原理可以验证最优控制模型的最优对。
2020-06-16 math.OC
Projective method of multipliers for linearly constrained convex minimization
本文提出了一种求解线性约束凸优化问题的方法,该方法是将Eckstein和Svaiter提出的求两个单调算子和的零点的已知算法应用于对偶问题.我们建立收敛速度的新方法,我们目前的应用程序,电视去噪和压缩感知问题。
2017-06-07 math.OC
An Abstract Maximum Principle for constrained minimum problems
本文基于Sussmann等人的集合分离方法,提出抽象最大值原理,用于推导有限维和最优控制最小值问题的必要条件,并捕捉参数化最小化的几何拓扑后果。
2023-10-15 math.OC
Analyzing a Maximum Principle for Finite Horizon State Constrained Problems via Parametric Examples. Part 1: Problems with Unilateral State Constraints
本文给出了R。文特尔[ \textit{Optimal Control},Birkhäuser,Boston,2000;定理~9.3.1]通过参数例子进行了分析。后者起源于V.~ Basco,P.~ Cannarsa和H.~ Frankowska,类似于数学经济学中的最优增长问题。这些参数的例子的解决方案的存在性,建立通过调用Filippov的存在性定理迈耶问题。由于最大值原理只是局部最优过程的一个必要条件,因此需要大量的额外研究来获得一个全面的综合,许多过程被怀疑是局部极小。我们的分析不仅有助于深入理解这一原理,而且还可以作为将其应用于经济最优增长模型的有意义原型的样本。本文的第一部分研究了单边状态约束问题。双边国家约束的问题将在第二部分讨论。
2019-01-12 math.OC
How to Make the Gradient Mapping Small for Constrained Stochastic Min-Max Problems and Beyond
University of British Columbia(不列颠哥伦比亚大学)
本研究将约束凸凹极小极大问题的梯度映射复杂度从$\widetilde{O}(\varepsilon^{-4})$改进至$\widetilde{O}(\varepsilon^{-2})$,并推广至无界方差情形。
2026-09-09 cs.LG math.OC
Uncertainty estimation in equality-constrained MAP and maximum likelihood estimation with applications to system identification and state estimation
在无约束最大后验概率(MAP)和极大似然估计中,优值函数Hessian矩阵的负的逆是估计协方差阵的近似。在贝叶斯背景下的MAP估计,它是一个正常的后验近似的协方差的模式,而在极大似然估计,它的近似逆费舍尔信息矩阵,有效的估计的协方差收敛。这些措施通常用于系统辨识,以评估估计的不确定性和诊断问题,如过参数化,不当的激励和不可识别性。然而,系统和控制中的各种各样的估计问题可以用公式表示为具有附加决策变量的等式约束优化,以利用计算机硬件中的并行性,简化实现并增加非线性程序求解器的收敛域和效率。然而,额外变量的引入将逆Hessian与协方差阵分离。相反,必须使用约束问题的拉格朗日量的逆Hessian的子矩阵。在本文中,我们推导出这些关系,显示如何估计的协方差可以直接从增广问题。给出了输出误差法和状态路径与参数估计联合法在系统辨识中的应用实例。
2020-03-16 math.OC stat.ME
Generalized Scaling for the Constrained Maximum-Entropy Sampling Problem
本文针对约束最大熵采样问题,将分支定界框架中单一正参数的普通缩放技术扩展为采用正参数向量的广义缩放,以更灵活地缩小上界与最优值间的差距,并提供了数学与计算结果验证其性能。
2024-02-16 math.OC
Eigenvalue analysis of constrained minimization problem for homogeneous polynomial
本文引入Pareto $H$ -特征值和Pareto $Z$ -特征值的概念,研究约束极小化问题,并给出这类特征值存在的充要条件.证明了对称张量至少有一个Pareto $H$ -特征值(Pareto $Z$ -特征值).进而证明了对称张量的最小Pareto $H$ -特征值(或Pareto $Z$ -特征值)恰好等于由该张量导出的齐次多项式的约束极小化问题的最小值,从而为求解约束极小化问题的最小值提供了一种可供选择的方法.特别地,对称张量$\mathcal{A}$是共正的当且仅当$\mathcal{A}$的每个Pareto $H$ -特征值($Z-$特征值)是非负的。
2013-03-16 math.OC math.SP
TV-min and Greedy Pursuit for Constrained Joint Sparsity and Application to Inverse Scattering
本文提出了一个压缩感知的约束联合稀疏(CJS),其中包括全变差最小化(TV-min)作为一个例子的一般框架。TV-和2-范数误差界,独立的环境尺寸,推导出CJS版本的基追踪和正交匹配追踪。作为一个应用程序的结果扩展Cand`es,Romberg和陶的证明精确恢复分段常数对象与无噪声不完整的傅立叶数据的情况下,有噪声的数据。
2012-12-19 math.OC
Analyzing a Maximum Principle for Finite Horizon State Constrained Problems via Parametric Examples. Part 2: Problems with Bilateral State Constraints
本文给出了R。文特尔[ \textit{Optimal Control},Birkhäuser,Boston,2000;定理~9.3.1]通过参数例子进行了分析。后者起源于V.~ Basco,P.~ Cannarsa和H.~ Frankowska,类似于数学经济学中的最优增长问题。这些参数的例子的解决方案的存在性,建立通过调用Filippov的存在性定理迈耶问题。由于最大值原理只是局部最优过程的一个必要条件,因此需要大量的额外研究来获得一个全面的综合,许多过程被怀疑是局部极小。我们的分析不仅有助于深入理解这一原则,而且还可以作为将其应用于有意义的经济最优增长模型原型的样本。本文的第一部分研究了单边状态约束问题。双边国家约束的问题将在第二部分讨论。
2019-01-25 math.OC
Self-Triggered Adaptive Model Predictive Control of Constrained Nonlinear Systems: A Min-Max Approach
针对具有参数不确定性和附加干扰的约束离散非线性系统,提出了一种自触发自适应模型预测控制(MPC)算法。为了约束参数的不确定性,减少高估,一个zonotope-based集员参数估计器,这也是兼容的非周期性采样导致的自触发机制。通过对不确定性的估计,将最小-最大MPC控制中的最优化问题转化为一个新的数学模型,以降低其保守性。通过在费用函数中设计时变惩罚,在自触发调度器中隐式地考虑了不确定性的估计,从而使触发间隔得到进一步优化。由此产生的自触发自适应MPC算法保证了递归的可行性,同时提供更少的保守性能相比,自触发鲁棒MPC方法。此外,我们从理论上证明了闭环系统在触发时刻是输入-状态实用稳定的。数值算例和比较研究表明,所提出的方法的有效性。
2019-12-15 math.OC
Constrained Stochastic Submodular Maximization with State-Dependent Costs
University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文研究了具有状态依赖费用的约束随机次模最大化问题。我们的问题的输入是一组项目,其状态(即,项目的边际贡献和成本)从已知的概率分布中得出。了解一个项目的实现状态的唯一方法是选择该项目。我们考虑两个约束条件,即,\emph{inner}和\emph{outer}约束。回想一下,每个项目都有一个依赖于状态的成本,内部约束规定所有选定项目的总\emph{realized}成本不得超过给定的预算。因此,内部约束是状态依赖的。另一方面,外部约束是与状态无关的。它可以表示为一个向下闭合的选定项集族,而不管它们的状态如何。我们的目标是最大化的目标函数受到内部和外部的约束。在成本越大,“效用”越大的假设下,我们给出了这个问题的一个常数近似解。
2021-11-11 cs.AI cs.LG math.OC
Volume-constrained minimizers for the prescribed curvature problem in periodic media
我们建立了周期介质中具有体积约束的指定中曲率问题的紧极小解的存在性。作为结果,我们构造紧凑的近似解指定的中曲率方程。我们还表明收敛后,重新缩放的体积约束极小值对一个合适的武尔夫形状,当体积趋于无穷大。
2013-03-15 math.AP math.DG math.OC
Stability for Constrained Minimax Optimization
极小极大最优化问题是现代机器学习和传统研究领域中出现的一类重要的最优化问题。基于Dai和Zhang(2020)的局部极小极大点的概念,我们重点研究了约束极小极大最优化问题的稳定性。首先,我们将非线性规划的经典Jacobian唯一性条件推广到约束极大极小问题,并证明了这组性质对于小的$C^2$扰动是稳定的.其次,我们提供了一组条件,称为性质A,它不需要严格的互补条件的上层约束。最后,我们证明了性质A是Kurash-Kuhn-Tucker(KKT)系统在KKT点处强正则的充分条件,也是Kojima映射在KKT点附近局部Lipschitz同胚的充分条件.
2021-11-10 math.OC
Constrained Minimum-Energy Optimal Control of the Dissipative Bloch Equations
在这封信中,我们应用最优控制理论来设计最小能量的$π/2$和$π$脉冲的布洛赫系统中存在的松弛与约束的控制幅度。我们考虑一个常见的情况下,横向弛豫率是远远大于纵向,使后者可以忽略不计。使用庞特里亚金的最大值原理,我们推导出最佳的反馈法律,其特征在于开关的数量,取决于控制界和所需的最终状态的坐标。
2010-01-25 math.OC
A New Working Set Method for Nonlinear Inequality Constrained Minimization
本项目提出一种称为工作集方法(WSM)的新有效集方法,用于求解Hilbert空间中的一般非线性不等式约束极小化问题,通过数学分析和基准问题数值实验验证了其优势与有效性。
2023-10-19 math.OC
Iterative regularization for constrained minimization formulations of nonlinear inverse problems
本文将反问题表示为约束极小化问题,并利用梯度型或牛顿型迭代法求解。我们进行了收敛性分析的意义上的正则化方法,并讨论了适用性的问题,从不同的观测集识别的空间变化的扩散在椭圆型偏微分方程。其中是一种新的混合成像技术称为阻抗声层析成像,我们提供了数值实验。
2021-01-14 cs.NA math.NA math.OC
Vectorial variational problems in $L^\infty$ constrained by the Navier-Stokes equations
研究了$L^p$和$L^\infty$中的极小化问题,其中容许映射类受Navier-斯托克斯方程约束.这种类型的问题是由气象预报中产生的大气流动的变分数据同化引起的。在这里,我们建立了所有$p$的PDE约束极小的存在性,以及$L^p$极小收敛到$L^\infty$极小作为$p\to\infty$。我们进一步表明,$L^p$极小解决欧拉-拉格朗日系统。最后,所有特殊的$L^\infty$极小构造通过近似$L^p$极小,以解决一个发散偏微分方程组涉及的措施系数,这是一个相应的非发散Aronsson-Euler系统的发散形式的副本。
2021-11-02 math.AP math.OC
Semi-infinite Nonconvex Constrained Min-Max Optimization
The University of Arizona(亚利桑那大学)
本文研究具有非凸无限约束的半无限极小-极大优化问题,提出一种非精确动态障碍原始-对偶算法,在Lojasiewicz不等式假设下证明了其收敛复杂度,并通过鲁棒多任务学习实验验证了有效性。
2025-10-13 math.OC
Mini-batch stochastic Nesterov's smoothing method for constrained convex stochastic composite optimization
考虑一类约束凸随机组合最优化问题,其目标函数由一个可微凸分支和一个非光滑凸分支之和给出.非光滑分量具有显式的max结构,这可能不容易计算其邻近映射。为了解决这些问题,我们提出了一个小批量随机Nesterov平滑(MSNS)方法。建立了该方法的收敛性和最优迭代复杂度。数值结果表明,所提出的MSNS方法的支持向量机(SVM)模型的效率。
2021-09-11 math.OC
Approximating Constrained Minimum Input Selection for State Space Structural Controllability
本文研究了状态空间结构系统的最小约束输入选择和最小费用约束输入选择问题。输入矩阵是约束的,在这个意义上,每个输入可以影响的状态集是预先指定的,每个输入都有一个与之相关的成本。我们的目标是从给定的输入集最优选择一个输入集,系统是可控的。这些问题都是NP难的。首先,我们给出了一个新的用流网络检验结构能控性的充分必要图论条件。利用这个条件,我们给一个多项式减少这两个问题的一个已知的NP-困难的问题,最小成本固定流问题(MCFF)。随后,我们证明了一个最优解的MCFF问题对应于一个最优解的原始可控性问题。我们还表明,MCFF的近似计划直接适用于最小成本约束的输入选择问题。利用为结构化系统构造的流网络的特殊结构,给出了基于最小权二部匹配的多项式逼近算法和系统流网络上MCFF的贪婪选择方案。该算法给出了MCFF的$Δ$近似解,其中$Δ$表示结构化系统流网络中输入顶点的最大入度.
2017-05-03 math.OC
Asymptotic behavior of constrained local minimizers in finite elasticity
在容许变形映射的平均旋度为零的约束下,利用有限弹性力学的局部极小,给出了线性化弹性力学纯牵引问题的一个近似结果.当适当的旋转被包括在约束中,极限被示出为与旋转载荷相关联的线弹性平衡。
2022-01-25 math-ph math.AP math.MP
Solving the L1 regularized least square problem via a box-constrained smooth minimization
本文对L1正则化最小二乘问题提出了一个等价的光滑极小化方法。所提出的问题是一个凸盒约束光滑最小化,允许应用快速最优化方法找到它的解决方案。进一步研究了L1正则化最小二乘问题的“对偶的对偶是原始的”性质。光滑问题的求解器提出,并显示其亲和力的近端梯度。最后,对L1和全变差正则化问题进行了实验,并给出了相应的结果。
2021-10-20 cs.CV math.OC
Accelerated Single-Call Methods for Constrained Min-Max Optimization
Yale University(耶鲁大学)
本文提出并分析单次调用单次投影算法(OG变体、ARG、RG)在约束极小极大优化中的收敛率,分别达到最优或次优的迭代复杂度,并解决开放问题。
2023-05-14 cs.GT cs.LG math.OC
Estimating Maximally Probable Constrained Relations by Mathematical Programming
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所)
本文提出了一种概率测度家族,用于联合抽象多标签分类、相关聚类和排序问题,通过数学规划方法解决半监督学习。
2014-08-04 cs.LG cs.NA math.NA
The Power of Randomization: Efficient and Effective Algorithms for Constrained Submodular Maximization
子模块优化有许多应用,如众包和病毒式营销。本文研究了$k$ -系统约束下非负次模函数最大化的基本问题,该约束推广了次模优化中的基数约束、拟阵约束和$k$ -可扩系统约束.针对这个问题的现有方法基于确定性算法框架实现了$k+2\sqrt{k+2}+3$(对于一般子模块函数)的最佳近似比。我们提出了几个随机算法,提高了国家的最先进的算法的近似比和时间复杂度,无论是在非自适应设置和自适应设置。在数据采掘和社会计算的几个应用程序中,我们的算法的经验性能进行了广泛的评估,实验结果表明,我们的算法在实用性和效率方面的优势。
2021-06-15 cs.DS math.OC
A first-order augmented Lagrangian method for constrained minimax optimization
University of Minnesota(明尼苏达大学)
针对一类约束极小极大问题,提出一阶增广拉格朗日方法,并用自研一阶法求解结构化子问题,证明其获得 ε-KKT 解的运算复杂度为 O(ε^{-4} log ε^{-1})。
2024-10-28 cs.LG cs.NA math.NA
On the Complexity and Approximability of Budget-Constrained Minimum Cost Flows
本文研究了带约束的最小费用流问题的复杂性和可逼近性,该问题是传统最小费用流问题的一种扩展,通过引入与每条边相关的第二类费用,其在可行流中的总价值受到给定预算B的约束.这个问题可以,例如,可看作是ε-约束方法在双准则最小费用流问题中的应用。我们证明了我们可以在弱多项式时间$O(\log M \cdot MCF(m,n,C,U))$内精确地求解该问题,其中C,U和M分别是输入中出现的任意数的最大绝对费用、最大容量和最大绝对值的上界,MCF(m,n,C,U)表示寻找传统最小费用流的复杂性.此外,我们提出了两个完全多项式时间的近似计划的问题一般图和一个改进的运行时间的问题的无圈图。
2016-07-08 cs.DS math.OC
Minimax Regret of Switching-Constrained Online Convex Optimization: No Phase Transition
Yale University(耶鲁大学);Simons Institute for the Theory of Computing(西蒙斯理论计算研究所);Massachusetts Institute of Technology(麻省理工学院);University of Southern California(南加利福尼亚大学)
我们研究的问题切换约束在线凸优化(OCO),玩家有有限的机会改变她的行动。虽然这个在线学习任务的离散模拟已被广泛研究,以前的工作在连续设置既没有建立极大极小率,也没有算法实现it.In本文中,我们表明,$ T $轮开关约束OCO少于$ K $开关有极大极小遗憾$ Θ(\frac{T}{\sqrt{K}}) $。特别地,对于一维,其至少为$ \frac{T}{\sqrt{2K}} $,对于更高维度,其至少为$ \frac{T}{\sqrt{K}} $。在高维的下界是通过一个正交子空间的论点。在一维中,一种新的对抗策略产生了$O(\frac{T}{\sqrt{K}})$的下界,但更涉及到包含常数的精确极大极小分析。为了建立更严格的一维结果,我们引入了\emph{fugal game}松弛,其极小极大遗憾的下限开关约束OCO。我们证明了逃逸对策的最小最大遗憾至少是$ \frac{T}{\sqrt{2K}} $,从而建立了一维最优最小最大遗憾下界。为了建立与维数无关的上界,我们接下来证明了一个minimax算法提供了一个$ O(\frac{T}{\sqrt{K}}) $上界,因此得出结论,对于任何$K$,切换约束OCO的极小极大遗憾是$ Θ(\frac{T}{\sqrt{K}}) $。这是在鲜明的对比,它的离散对应,开关约束预测专家的问题,表现出一个相变之间的低开关和高开关制度的最小最大遗…
2020-10-22 cs.LG math.OC stat.ML
A first-order method for nonconvex-strongly-concave constrained minimax optimization
University of Minnesota(明尼苏达大学);Hong Kong University of Science and Technology(香港科学与技术大学)
本文提出了一种用于非凸-强凹约束极小极大优化问题的一阶方法,通过利用强凹结构实现了更高效的运算复杂度。
2026-01-05 cs.LG cs.NA math.NA