An Anderson-accelerated stochastic extragradient method for stochastic variational inequalities
The Hong Kong Polytechnic University(香港理工大学);Harbin Institute of Technology(哈尔滨工业大学)
提出一种Anderson加速的随机外梯度算法,在随机逼近框架下求解随机变分不等式,证明在采样算子非伪单调时算法几乎必然收敛,并建立次线性收敛率和最优oracle复杂度。
2026-05-26 math.OC
Variational Inference for Stochastic Control of Infinite Dimensional Systems
本文发展了一个用于无穷维随机系统控制的变分推理框架。我们采用的措施理论的方法,它依赖于Girsanov定理的推广,以及相对熵和自由能之间的关系。所导出的控制方案适用于一大类随机无穷维系统,并可用于轨迹优化和模型预测控制。我们的工作开辟了新的研究途径,在随机控制,推理和信息论的随机偏微分方程描述的动力系统的交叉点。
2018-09-09 math.OC
Stochastic Variational formulas for solutions to linear diffusion equations
本文研究一维线性扩散方程的解及其与随机控制理论中某些问题的关系。得到了扩散方程解的对数的一个随机变分公式,其终端数据是一个集合的特征函数。在这种情况下,控制问题的终端数据是奇异的,因此标准理论不适用。变分公式被用来证明收敛在零噪声极限的费用函数的随机控制问题及其一阶导数,为一个经典的控制问题的相应数量。
2009-12-01 math.OC
An inexact algorithm for stochastic variational inequalities
我们提出了一种新的渐进对冲算法来解决Rockafellar和Wets在2017年引入的公式中的随机变分不等式,允许生成的子问题近似求解可实现的公差条件。我们的方案基于不精确邻近点方法,并推广了Rockafellar和Sun在2019年开发的精确算法,提供了更强的收敛结果。我们还展示了一些数值实验中的两阶段纳什博弈。
2023-01-24 math.OC
A prediction-correction ADMM for multistage stochastic variational inequalities
本文将多阶段随机变分不等式转化为可分离结构形式,并采用预测-校正 ADMM 求解,证明了其弱收敛及有限样本情形下的强收敛性。
2023-08-20 math.OC
Symmetric confidence regions and confidence intervals for normal map formulations of stochastic variational inequalities
随机变分不等式(SVI)对一类具有数据不确定性的平衡问题进行建模,并且与随机最优化问题密切相关。SVI解通常由样本平均近似(SAA)问题的解来估计。研究了SVI的正态映射问题,基于SAA解的渐近分布,提出了一种构造正态映射解的渐近精确置信区域和置信区间的方法.置信区域是具有高概率的单椭球。我们还讨论了计算的同时和个人的置信区间。
2014-06-26 math.OC
Optimal Analysis of Method with Batching for Monotone Stochastic Finite-Sum Variational Inequalities
本文针对单调随机有限和变分不等式问题,提出了一种支持分批处理且保持Oracle复杂度最优性的方法,并通过实验验证了其在小批量情况下的有效性。
2024-03-26 math.OC
A Projection-Based Algorithm for Solving Stochastic Inverse Variational Inequality Problems
针对随机 IVI 问题缺乏性能保证的现状,提出一种方差缩减的投影梯度方法,证明迭代几乎必然收敛并给出收敛速率保证,且在网络均衡控制问题中得到验证。
2023-12-07 math.OC
Optimality Conditions in Variational Form for Non-Linear Constrained Stochastic Control Problems
证明了一类随机微分方程约束最优控制问题的变分不等式形式的最优性条件。成本函数和不等式约束是状态变量在最终时刻的概率分布的函数。该分析以基本的方式使用可达概率分布集合的凸性属性。基于所得到的最优性条件,提出并分析了一种增广拉格朗日方法,用于迭代求解该问题。在该方法的每一次迭代中,一个标准的随机最优控制问题由动态规划求解。两个学术的例子进行了调查。
2018-02-12 math.OC
Universal methods for variational inequalities: deterministic and stochastic cases
本文提出通用邻近镜像方法求解确定性与随机情形下具有Hölder连续算子的变分不等式,无需预知问题类别或算子信息即可自动适应噪声与Hölder连续性,并证明其具有最坏情形最优复杂度。
2024-10-03 math.OC
Method with Batching for Stochastic Finite-Sum Variational Inequalities in Non-Euclidean Setting
针对随机有限和变分不等式优化问题,提出一种支持批处理、保持最优oracle复杂度、采用任意Bregman距离适配问题几何的方法,取得单调情形下的最优收敛估计,且经实验验证有效。
2024-09-15 math.OC
On the existence of solutions to stochastic quasi-variational inequality and complementarity problems
变分不等式问题允许捕获扩展类的问题,包括凸优化问题、凸纳什博弈和经济均衡问题等。然而,在大多数实际情况下,这样的问题是复杂的不确定性,激励检查的随机推广的变分不等式问题及其扩展,其中的组件的映射包含期望。当相关的集合是无界的,确定存在性需要获得期望的分析形式。当然,在实际情况下,这种表达方式往往难以推导,严重限制了这种方法的适用性。因此,我们的目标在于开发技术,以满足集成的需要,我们的重点在于开发易于处理和可验证的充分条件,声称存在。我们首先回顾了我们以前的工作[44]中提供的具有单值映射的随机变分不等式问题的几乎必然充分条件,并提供了多值映射的扩展。接下来,我们将这些陈述扩展到准变分制度,其中映射可以是单值或集值的。最后,我们改进所得到的结果,以适应随机互补性问题的地图是一般的或co-co-coercive。我们的结果的适用性证明了实际发生的情况下,随机拟变分不等式问题和随机互补性问题,产生的非光滑广义纳什古诺博弈和电力市场,分别。
2017-02-16 math.OC
An Inexact Variance-Reduced Method For Stochastic Quasi-Variational Inequality Problems With An Application In Healthcare
研究了一类闭凸集上具有连续强单调映射的随机拟变分不等式(SQVI)问题,其中到约束集上的投影不容易计算.提出了一种求解SQVI问题的不精确方差缩减随机格式,并分析了其收敛速度和预言复杂度。通过逐步增加样本量和近似投影算子,获得线性的收敛速率。此外,我们展示了如何献血组织之间的竞争可以建模为SQVI,我们提供了一些初步的模拟结果来验证我们的研究结果。
2022-08-31 math.OC
Stochastic Approximation Based Confidence Regions for Stochastic Variational Inequalities
样本平均逼近(SAA)和随机逼近(SA)是求解随机变分不等式问题(SVIP)的两种常用格式。在过去的几十年里,SAA解和SA解的一致性理论已经得到了很好的研究。最近,渐近置信区域的真正解决方案SVIP已被构造时,SAA计划的实施。当采用SA方案时,开发SVIP真解的置信区域具有根本意义。本文讨论了构造SVIP真解的渐近置信区域的框架,重点讨论了随机对偶平均法。我们首先建立了SA解在遍历和非遍历意义下的渐近正态性。然后研究了正态分布协方差阵的在线估计方法。最后,给出了用数值模拟建立SVIP解的渐近置信区域的具体步骤。
2022-03-18 math.OC
Optimal stochastic extragradient schemes for pseudomonotone stochastic variational inequality problems and their variants
考虑了映射是分量期望值的随机变分不等式问题。现有的随机逼近格式的收敛性理论和收敛速度陈述大多局限于单调映射。然而,非单调随机变分不等式问题并不罕见,并被视为产生于产品定价,分数最优化问题,和经济均衡问题的子类。出于需要解决更广泛的一类地图,我们做了以下贡献:(i)我们提出了一个基于外梯度的随机逼近计划,并证明了迭代收敛到原问题的解决方案下,无论是伪单调性要求或适当定义的锐角条件。这些声明被证明是可推广的随机镜像-prox框架;(ii)强伪单调性下,我们表明,在解迭代的均方误差产生的extragrendence SA计划收敛在O(1/k)的声明,迄今为止无法在这个政权K的最佳速率。值得注意的是,我们通过获得一个不连续的非凸函数的ε-下确界来优化初始步长。类似的语句推导出镜像prox推广,可以容纳单调SVI下弱清晰度的要求。最后,无论是渐近性和经验率的计划进行了研究的一组变分问题,它被认为是理论上指定的初始步长导致显着的性能优势。
2019-11-21 math.OC
Stochastic mirror descent dynamics and their convergence in monotone variational inequalities
研究了一类随机镜像下降动力学的单调变分不等式(包括纳什均衡和鞍点问题)。所研究的动力学被表述为由(单值)单调算子驱动并受布朗运动扰动的随机微分方程。该系统的可控参数是两个可变的权重序列,分别前和后乘的驱动程序的过程。通过仔细调整这些参数,我们得到了遍历意义下的整体收敛,并估计了该过程的平均收敛速率。我们还建立了一个大偏差原则,表明个人的轨迹表现出指数浓度在这个平均值。
2018-05-04 math.OC
Stochastic Optimal Control of Decoupled Reflected FBSDEs: A Variational Approach with Residual Reflection Terms
University of Biskra(比斯克拉大学);Brandenburg University of Technology Cottbus–Senftenberg(科特布斯-森夫滕堡勃兰登堡工业大学)
本文针对带反射约束的解耦FBSDE随机最优控制问题,提出变分方法,通过惩罚和残差项分离推导出Pontryagin型反射变分不等式,给出必要最优性条件。
2026-10-08 math.OC
Convergence Analysis of Non-Strongly-Monotone Stochastic Quasi-Variational Inequalities
Department of Systems and Industrial Engineering, The University of Arizona(亚利桑那大学系统工业工程系)
本文提出额外梯度和梯度方法解决单调随机准变分不等式,并建立收敛率分析,展示其在广义纳什均衡、双层优化和鞍点问题中的应用价值。
2025-11-23 math.OC
Optimal Variational Principle for Backward Stochastic Control Systems Associated with Lévy Processes
研究了由Teugel鞅和一个独立的多维布朗运动驱动的倒向随机微分方程的最优控制问题,其中Teugel鞅是一族与Lévy过程相关的两两强正交鞅(参见Nualart和Schoutens \cite{NuSc}).利用凸变分方法和对偶技巧,得到了最优控制存在的充要条件。作为应用,讨论了线性倒向随机微分方程具有二次型指标的最优控制问题(称为倒向线性二次型问题,简称BLQ问题),并用随机Hamilton系统刻画了该问题.
2011-01-08 math.OC
Distributed adaptive steplength stochastic approximation schemes for Cartesian stochastic variational inequality problems
受分散控制问题和非合作Nash博弈问题的启发,考虑一类强单调Cartesian变分不等式(VI)问题,其中映射或者包含期望值,或者其估计值被误差破坏.这些并发症的保护伞下捕获的笛卡尔随机变分不等式问题,我们考虑通过随机逼近(SA)计划解决这些问题。具体而言,我们提出了一个方案,其中的步长序列是由一个规则,依赖于问题的参数,如单调性和Lipschitz常数。所提出的计划被认为是保证几乎肯定收敛到问题的唯一解决方案的序列。为了应付网络多智能体的推广,我们提供的要求下,独立选择的步长规则仍然具有理想的几乎必然收敛属性。在本文的第二部分中,我们考虑了一个政权的地图上的Lipschitz常数是不可用的或难以获得。在这里,我们提出了一个本地随机化技术,允许推导出一个近似的原始映射,然后示出Lipschitz连续与规定的常数。使用这种技术,我们引入了一个局部随机SA算法,并提供几乎必然收敛理论的迭代序列的近似解的原始变分不等式问题。最后,本文的结论与随机利率分配问题和随机纳什古诺博弈的一些初步的数值结果。
2013-01-08 math.OC
Stability for a stochastic fractional differential variational inequality with Lévy jump
本文研究了带Lévy跳的随机分数阶微分变分不等式在温和条件下的多参数稳定性,利用投影方法和不等式技巧证明了扰动下解的强收敛性,并应用于空间价格均衡与多智能体优化问题。
2024-11-12 math.OC
Randomized Feasibility-Update Algorithms for Stochastic Variational Inequality Problems
Arizona State University(亚利桑那州立大学)
本文针对可行域为多个凸水平集交集的随机单调变分不等式,提出基于随机可行性更新的修正Korpelevich和Popov方法,引入修正对偶间隙函数并证明收敛速率,仿真验证了其有效性。
2026-10-05 math.OC
Regularized two-stage stochastic variational inequalities for Cournot-Nash equilibrium under uncertainty
将不确定性条件下的凸两阶段非合作多智能体博弈表示为两阶段随机变分不等式(SVI)。在标准假设下,给出了两阶段SVI解存在的充分条件,并提出了求解该问题的正则化样本平均逼近方法,证明了当正则化参数趋于零和样本量趋于无穷大时,该方法的收敛性.此外,我们的方法被应用到一个两阶段的随机生产和供应计划问题的同质商品在寡头垄断市场。基于原油市场历史数据的数值计算结果表明,两阶段SVI在描述采油剂的市场份额的有效性。
2019-07-17 math.OC
Solvability of Multistage Pseudomonotone Stochastic Variational Inequalities
研究了多级伪单调随机变分不等式(SVI)的可解性。一方面,一些已知的伪单调确定性变分不等式的可解性结果不能直接推广到伪单调SVI,因此我们构造了伪单调SVI与变分不等式之间的同构,并通过这种同构建立了伪单调SVI解集的存在性、凸性、有界性和紧性的理论结果.另一方面,渐进对冲算法(PHA)是解决单调SVI的一种重要而有效的方法,但它不能直接用于解决非单调SVI。我们提出了伪单调SVIs可诱导性的若干充分条件,为应用诱导PHA求解伪单调SVIs打开了大门。通过求解一个伪单调两阶段随机市场最优化问题和随机生成的两阶段伪单调线性互补性问题的数值结果,验证了该方法求解伪单调SVI的有效性.
2022-01-05 math.OC
A variational approach to stochastic minimization of convex functionals
最小化凸积分泛函的随机方法,由Robbins和Monro在20世纪50年代早期发起,依赖于梯度(或次梯度,如果函数不光滑)的评估并在相应的方向上移动。相比之下,我们使用变分技术导致隐式随机最小化方法,最近出现在几个不同的背景下。这种方法是可取的,只要底层空间不具有可微结构,而且它表现出更好的稳定性,这使得它更可取,甚至在线性空间。我们的结果制定在局部紧Hadamard空间,但他们是新的,即使在欧几里得空间,主要的新颖性是更一般的增长条件的功能。我们验证了我们的收敛性定理的假设是满足在几个经典的极小化问题。
2016-05-11 math.OC
Variance-Based Bregman Extragradient Algorithm with Line Search for Solving Stochastic Variational Inequalities
本文的主要目的是提出一种基于方差的线搜索Bregman外梯度算法来求解随机变分不等式,该算法对未知的Lipschitz常数具有鲁棒性。我们用一种更简洁有效的方法证明了该算法的几乎必然收敛性,而不用上鞅收敛定理。此外,我们不仅得到了$\mathcal{O}(1/k)$在$X$有界时关于间隙函数的收敛速度,而且还得到了在$X$无界时关于自然剩余函数的收敛速度.在Minty变分不等式条件下,我们得到了这两种情况下的迭代复杂度$\mathcal{O}(1/\varepsilon)$和预言复杂度$\mathcal{O}(1/\varepsilon^2)$.最后,数值结果表明了该算法的优越性。
2022-08-30 math.OC
Methods for Solving Variational Inequalities with Markovian Stochasticity
Basic Research of Artificial Intelligence Laboratory (BRAIn Lab)(人工智能基础研究实验室)
本文提出一种新方法求解具有马尔可夫动态的变分不等式,通过extragradient技术证明在弱假设下算法收敛,并通过实验研究混合时间参数对收敛性的影响。
2026-05-15 math.OC
Stochastic differential variational inequalities with applications
本文引入并研究了由一个随机微分方程和一个随机变分不等式组成的随机微分变分不等式。利用迭代法和Gronwall不等式得到了SDVI方程解的存在唯一性。此外,我们证明了欧拉格式求解SDVI在一些温和的条件下的收敛性。最后,我们将所得结果应用于随机环境中的二极管电路和桥的崩溃问题。
2022-12-16 math.OC math.PR
Ensemble-based kernel learning for a class of data assimilation problems with imperfect forward simulators
模拟器的不完善性,通常被称为模式误差,是普遍存在的实际数据同化问题。尽管为解决这个问题付出了巨大的努力,但正确处理数据同化中的模拟器缺陷仍然是一项具有挑战性的任务。在这项工作中,我们提出了一种方法来处理模拟器的不完美性,从功能近似的角度来看,可以通过一定的机器学习方法,如基于内核的学习,在目前的工作中采用。为此,我们从考虑一类监督学习问题开始,然后确定监督学习和变分数据同化之间的相似之处。这些相似之处为我们开发基于集合的学习框架来解决监督学习问题奠定了基础,同时实现了基于集合的方法相对于变分方法的各种优势。在建立了基于集合的学习框架之后,我们继续研究基于集合的学习集成到基于集合的数据同化框架中以处理模拟器不完善。在我们的调查过程中,我们还开发了一个策略来解决监督学习问题中的多模态问题,并将此策略转移到数据同化问题,以帮助提高同化性能。为了演示,我们应用基于集成的学习框架和集成的,基于集成的数据同化框架的监督学习问题和数据同化问题与不完善的前向模拟器,分别。实验结果表明,这两个框架在相关的案例研究中取得了良好的性能,通过机器学习的功能近似可以作为一种可行的方式来解释模拟器不完善的数据同化问题。
2019-01-30 math.OC physics.data-an physics.geo-ph
A stochastic-variational model for soft Mumford-Shah segmentation
在当代图像和视觉分析中,随机方法在表示和建模复杂现象方面表现出极大的灵活性,而变分PDE方法相对于Monte-Carlo或其他随机算法获得了巨大的计算优势。两者结合起来,可以产生更强大的新模型和有效的算法。在目前的工作中,我们提出了一个随机变分模型的软(或模糊)Mumford-Shah分割的混合图像模式。与经典的硬Mumford-Shah分割不同,新模型允许每个像素以一定的概率属于每个图像模式。我们表明,软分割导致硬分割,因此是更普遍的。新模型的建模过程,数学分析和计算实现进行了详细的探讨,合成和自然图像的数值例子。
2005-10-23 math.OC math.PR
Stochastic optimal switching and systems of variational inequalities with interconnected obstacles
本文研究了一个与多模式最优切换问题相关联的无限水平上具有互连障碍物的$m$变分不等式系统。我们的主要结果是在粘性意义下,该系统的连续解的存在性和唯一性。主要结果的证明主要依赖于变分不等式与带斜反射的反射倒向随机微分方程(RBSDEs)之间的联系,这一联系将通过Feynman-Kac公式来刻画.我们的系统的无限地平线RBSDES的主要特点是,它的组件是通过发电机和障碍物互连。
2023-03-08 math.OC math.PR
Forward-backward-forward methods with variance reduction for stochastic variational inequalities
University of Vienna(维也纳大学);Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Grenoble INP(格勒诺布尔国立理工学院);LIG(格勒诺布尔信息学实验室);Maastricht University(马斯特里赫特大学)
提出了一种新的求解伪单调随机变分不等式的方差缩减随机算法。我们的方法建立在Tseng的前向-后向-前向(FBF)算法,这是已知的在确定性文献中是一个有价值的替代Korpelevich的外梯度方法时,解决变分不等式在一个凸的和闭集由伪单调,Lipschitz连续算子。Tseng算法的主要计算优势在于它仅依赖于单个投影步骤和随机预言机的两个独立查询。我们的算法结合了方差减少机制,并导致几乎必然(a.s.)收敛到最优解。据我们所知,这是第一个随机前瞻算法,通过在每次迭代中仅使用单个投影来实现这一点。
2019-02-09 cs.LG math.OC
One-Dimensional McKean-Vlasov Stochastic Variational Inequalities and Coupled BSDEs with Locally Holder Noise Coefficients
该研究针对带局部Hölder连续随机系数的三类McKean-Vlasov相关方程,采用不同策略证明了其强解的存在唯一性,建立了一般形式下的适定性结果。
2024-01-30 math.OC math.PR
SARAH-based Variance-reduced Algorithm for Stochastic Finite-sum Cocoercive Variational Inequalities
Moscow Institute of Physics and Technology(莫斯科物理技术学院);HSE University(高等经济大学);IITP RAS(俄罗斯科学院信息传输问题研究所);Caucasus Mathematical Center, Adyghe State University(阿迪格国立大学高加索数学中心)
本文研究随机有限和余强制变分不等式,提出基于SARAH方差缩减的算法,并证明其在强单调问题上具有线性收敛性,实验验证了方法的实用性。
2022-10-12 cs.LG math.OC
Solving variational inequalities with Stochastic Mirror-Prox algorithm
本文考虑随机变分不等迭代法(s.v.i.)用单调算子。我们的基本假设是算子同时具有光滑分量和非光滑分量。此外,只有噪声观测的问题数据是可用的。我们开发了一种新的随机逼近算法(SMP)解决s.v.i.并表明,与方便的步长策略,它达到了最佳的收敛速度的问题参数。我们将SMP算法应用于随机复合极小化,并描述了其在随机半定可行性问题和特征值极小化中的具体应用。
2011-05-29 math.OC math.ST stat.TH
Well-posedness and propagation of chaos for McKean-Vlasov stochastic variational inequalities
Texas A&M University(德克萨斯农工大学);Sun Yat-sen University(中山大学)
本文研究一类漂移与扩散系数均依赖时间、状态及其分布的McKean-Vlasov随机变分不等式,在系数满足相应正则性条件下建立强适定性,并首次得到该类不等式的混沌传播结果。
2025-10-22 math.OC math.PR
Smooth Monotone Stochastic Variational Inequalities and Saddle Point Problems: A Survey
MIPT(莫斯科物理技术学院);ICS RAS(俄罗斯科学院控制系统研究所);KAUST(阿卜杜拉国王科技大学);IITP RAS(俄罗斯科学院信息传输问题研究所);Caucasus Mathematical Center(高加索数学中心);Adyghe State University(阿迪格国立大学)
本文综述了求解光滑(强)单调随机变分不等式的方法,回顾了其确定性基础、一般随机公式与有限和设置,并探讨了算法的最新进展。
2023-04-02 cs.GT cs.LG math.OC
Stochastic Variance Reduction for Variational Inequality Methods
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Linköping University(林雪平大学)
我们提出了求解凸凹鞍点问题、单调变分不等式和单调包含的随机方差缩减算法。我们的框架适用于外梯度,向前向后向前,向前反射向后的方法在欧几里得和布雷格曼设置。所有提出的方法收敛于相同的设置,因为他们的确定性同行,他们要么匹配或提高最知名的复杂性,解决结构化的最小最大问题。我们的结果加强了变分不等式的方差约化与极小化之间的对应关系。我们还说明了我们的方法的改进与数值计算上的矩阵对策。
2022-06-11 cs.LG math.OC stat.ML
Competitive Control with Delayed Imperfect Information
本文研究了不完全信息对具有对抗性干扰的在线控制的影响。特别是,我们考虑延迟状态反馈和未来扰动的不精确预测。我们引入了一个贪婪的,短视的政策,产生一个恒定的竞争比对离线的最优政策。我们还分析了有限的信息在线控制的基本限制,显示我们的竞争比边界的贪婪,短视的政策在对抗设置匹配(低阶项)下界的随机设置。
2022-03-25 cs.SY eess.SY math.DS
Learning-aided Stochastic Network Optimization with Imperfect State Prediction
Microsoft Research Asia(微软亚洲研究院)
本文提出预测学习辅助控制算法,通过结合历史和预测网络状态信息,在非平稳环境下实现高效决策,改进了状态预测对性能的提升作用。
2018-07-06 cs.SY eess.SY math.OC
A Stochastic Fractional Calculus with Applications to Variational Principles
我们介绍一个随机分数阶微积分。作为应用,我们提出了一个随机分数阶变分法,它将分数阶变分法推广到随机过程。一个随机分数欧拉-拉格朗日方程得到,扩展了经典的,分数的,和随机变分法的文献中提供的。为了说明我们的主要理论结果,我们讨论了两个例子:一个来自量子力学,第二个验证了充分的数值模拟。
2020-08-01 math-ph math.MP math.OC
Statistical inference for piecewise normal distributions and stochastic variational inequalities
在本文中,我们首先提供了一种方法来计算置信区间的中心的分段正态分布给定的样本,从这个分布,在一定的假设。然后,我们将此方法扩展到一个渐近设置,并应用此方法来计算的真实解的随机变分不等式的样本平均逼近问题的解决方案的基础上的置信区间。用简单的公式计算置信区间。数值实验验证了该方法的有效性。
2022-08-04 math.OC math.ST stat.TH