'Mathematics' 카테고리의 모든 글
이 논문은 비선형 시스템에서 이벤트 트리거드 제어를 통해 상태가 안정적으로 수렴하는 방법을 제시한다. 특히, 클라우드 기반의 제어 시스템에서 통신과 계산 자원을 효율적으로 사용하기 위해 이벤트 트리거드 알고리즘을 설계하고 이를 통해 비선형 시스템이 안정적으로 수렴하도록 한다. 제안된 방법은 클라우드 컴퓨팅 환경에서 시스템의 통신과 계산 자원을 최적화하며, 이는 다양한 산업 분야에서 실시간 제어와 모니터링에 활용될 수 있다. ###
우리는 고속도로에서 안전하고 효율적인 자율 주행을 위한 하이브리드 의사결정 프레임워크를 제안합니다. 구체적으로, 각 차량의 동역학을 혼합논리동적(Mixed-Logical-Dynamical) 시스템으로 모델링하고 인접 차량 간의 잠재적인 충돌 원인을 방지하기 위한 간단한 운전 규칙을 제안합니다. 우리는 조정 문제를 일반화된 혼합 정수 가능성 게임으로 형식화하며, 균형점 솔루션은 차량들이 개인 최적화와 전체 안전 사이의 타협을 이룬 혼합 정수 의사결정 시퀀스를 생성합니다.
이 논문에서는 2개 노드의 시계 동기화 및 거리 측정 문제를 분석합니다. 특히, 이들 노드가 시간-디지털 변환기를 사용하여 정확한 거리를 결정하는 경우에 집중하고 있습니다. 이러한 특정 설계 선택은 포착된 신호에 대한 톱니 모양 모델을 생성하며, 이를 추정 이론적 관점에서 연구한 적이 없습니다. 본 연구에서는 Freris, Graham 및 Kumar의 잘 알려진 논문에서 얻어진 기본 결론을 다시 확인합니다. 더 중요한 것은, 잡음을 통해 톱니 신호 모델에 대한 위상과 오프셋 매개변수 추정의 이론적 조건이 개선되는 놀라운 식별 결과를 발견한 것입니다. 연구의 완성도를 위해, 기본적인 추정 전략을 사용하여 다양한 실제 조건 하에서 톱니 신호 모델에 대한 시계 동기화 및 거리 측정 성능 기준을 제공하는 철저한 시뮬레이션 연구를 제시합니다. 이 논문의 공헌으로 인해, 향후 톱니 신호 모델의 추정 연구가 가능하며 이를 산업용 시계 동기화 및 거리 측정에 활용하기 위한 길을 열었습니다.
본 논문에서는 SSL(Strongly Structured Logic)에서의 새로운 절차를 제시하고, 이를 통해 SSL에서의 공식이 만족 가능한지 여부를 결정하는 문제에 대해 연구한다. 특히, 입력 문자열 $w$에 대해 $f_ ssl(w)$라는 이진 논리 공식을 정의하며, 이 공식은 로그 공간 내에서 계산 가능하다는 것을 증명한다. 또한, $w in L$인 경우 $f_ ssl(w)$가 만족 가능함을 보이고, 이를 통해 SSL에서의 문제를 해결하는 방법을 제시한다.
확률적 변동성 요인에 따라 변화하는 주식 환경에서 포트폴리오 배분 문제는 많은 관심을 받고 있다. 단일 임의 요인이 있는 경우 최종 시간까지의 전력 유틸리티를 극대화하는 문제가 고전적인 왜곡 변환을 통해 선형화될 수 있다. 본 논문에서는 여러 요인을 다루기 위해 이들 요인이 완벽하게 상관되는 경우로 줄이는 페르투르베이션 기법을 사용한다. 제안된 근사 방법은 완전 비선형 HJB 방정식 대신 차원이 낮은 두 개의 선형 방정식을 수치적으로 해결하는 것을 요구한다. 하위 및 상위 해를 구성하여 그 차이가 원하는 정확도 순서에 맞는 엄밀한 정확성 결과를 도출한다. 특정 모델에 대해 근사를 위한 명시적 공식이 있는 경우 이 결과를 설명한다. 표기법을 가능한 한 명확하게 유지하기 위해 하나의 주식과 두 개의 요인의 경우를 다루고, 이를 두 가지 주식과 두 가지 요인의 경우로 확장하는 방법을 기술한다.
순위 추정기의 가족, 한(Han)의 최대 순위 상관(1987년)을 유명한 예로 들 수 있으며, 회귀 문제 연구에서 널리 활용되고 있다. 이러한 추정기들에 대해선 선형 지수가 차원성의 영향을 완화하는 데 도입되었으나, 큰 차원성이 추론에 미치는 효과는 거의 연구되지 않았다. 이 논문은 모델 내 매개변수 수 $p_{n}$이 표본 크기 $n$과 함께 증가할 수 있는 증가 차원 구조에서 U-프로세스로 형성된 목적 함수를 가진 M-추정기의 더 큰 가족에 대한 통계적 속성을 연구함으로써 이 공백을 메운다. 첫째, 추정에서 자주 $p_{n}/n rightarrow 0$일 때 $(p_{n}/n)^{1/2}$ 수렴률이 얻어질 수 있음을 찾았다. 둘째, Bahadur 유형의 경계를 설정하고 정규 근사의 유효성을 연구하였으며, 이는 종종 $p_{n}^{2}/n rightarrow 0$보다 훨씬 강력한 스케일링 요구 사항이 필요함을 발견하였다. 셋째, 점근 공분산 행렬의 수치 도함수 추정기가 일관성을 갖는 조건을 제시하고, 공분산 추정기 구현 시 단계 크기를 $p_{n}$에 맞게 조정해야 함을 보였다. 모든 이론적 결과는 시뮬레이션 연구를 통해 뒷받침되었다.
우리는 각각 부분적으로 정보가 있는 개인적인 신호를 받는 에이전트 그룹이 공동으로 학습하려고 하는 상황을 연구합니다. 이들은 세계의 진정한 기본 상태(유한 가설 집합 중 하나)를 찾아내려 합니다. 이를 해결하기 위해, 우리는 기존 접근법과 근본적으로 다른 분산 학습 규칙을 제안합니다. 기존 방식에서 사용되는 믿음 평균화 를 쓰지 않고, 에이전트는 믿음을 갱신하는 데 min-규칙을 사용합니다. 관찰 모델과 네트워크 구조에 대한 표준 가정 하에서 각 에이전트가 거의 확실히 진실을 학습한다는 것을 증명했습니다. 주요 기여로, 우리는 모든 잘못된 가설이 각 에이전트에 의해 지수적으로 빠르게, 네트워크 독립적인 비율로 배제됨을 확률 1에서 증명합니다. 또한, 우리가 개발한 학습 규칙의 계산 효율적인 변형은 예상치 못하게 행동하거나 정보를 왜곡하려는 에이전트(바이잔틴 적대자 모델로 표현)에 대해 증명적으로 견고하다는 것을 보여줍니다.
분산된 합 최소화에 대한 분산 해법은 많은 신호 처리, 제어 및 머신 러닝 애플리케이션에서 중요한 역할을 합니다. 이러한 환경에서는 데이터가 임의로 연결된 노드 네트워크에 분포되어 있으며 통신이나 개인 정보 보호 문제 때문에 원시 데이터 공유가 불가능한 경우가 많습니다. 본 논문에서는 분산 стоха스틱 최적화 방법을 검토하고 최근 개선 사항을 기반으로 그라디언트 추적 및 변동 감소에 초점을 맞추어 부드럽고 강하게 볼록한 목적 함수를 설명합니다. 주요 기술적인 아이디어의 직관적인 설명과 분산 머신 러닝 모델 학습에서 알고리즘의 활용 사례도 제공합니다.
이 연구에서는 이질적인 경로 게임에서 결정론적 로짓 동역학의 근사적 행동을 분석한다. 특히, 병렬 경로가 있는 방향 다중 그래프와 그러한 다중 그래프의 직렬 조합에서 동역학은 전역적으로 점근적으로 안정된 고정점을 갖는다는 것을 증명하였다. 또한, 노이즈가 사라질 때 동역학의 유일한 고정점은 Wardrop 균형 집합에 접근한다. 이 결과는 동역학의 총 흐름이 단조성과 그 제이코비안(Jacobian)이 열(column)에 대해 엄격하게 대각 우세(diagonally dominant)라는 사실을 기반으로 한다.
최근에는 소형 비행 로봇에 자동 감지와 실시간 내비게이션 기능을 부여하는 연구가 증가하고 있습니다. 이는 원격 감시, 물류, 스마트 도시 및 위험 환경에서의 긴급 지원 등 다양한 응용 분야를 가능하게 합니다. 이러한 맥락에서, 건물 뒤에 숨거나 대규모 드론 네트워크 내에서 숨어 있는 비인가 소형 무인 항공기(UAV) 추적을 하는 문제가 새롭게 제기되고 있습니다. 현재의 주로 정적인 지상 레이더 기반 솔루션과는 달리, 본 논문은 실시간 및 고정밀도로 악의적인 대상을 추적하기 위한 동적 레이더 네트워크 드론을 제안합니다. 이를 위해, 우리는 이질적으로 수집된 정보를 활용하여 드론의 실시간 내비게이션 솔루션을 설명합니다. 이러한 정보는 드론들이 멀티홉을 통해 서로 공유하며, 각 에이전트에서 작동하는 로컬 베이지안 추정기를 통해 대상을 추적할 수 있습니다. 모든 경로가 정보 수집 측면에서 동일하지 않기 때문에, 드론들은 UAV의 운동학 및 충돌 방지 제약 조건 하에서 대상 상태의 후방 공분산 행렬을 최소화하는 경로를 계획합니다. 우리의 결과는 동적 레이더 네트워크가 고정형 구성보다 더 나은 위치 결정 결과를 얻고, 드론에 장착된 센서 기술이 다양한 레이다 교차면을 가진 대상을 추적하는 정확도에 어떻게 영향을 미치는지 특히 비시야(NLOS) 상황에서 보여줍니다.
모든 종류의 무작위 탐색 휴리스틱 성능 분석은 급속히 발전하는 연구 분야입니다. 실행 시간과 솔루션 품질은 이러한 알고리즘의 성능을 측정하는 두 가지 주요 지표입니다. 본 논문의 초점은 이 목표에 도달하는 데 걸리는 시간이 아니라, 최적화 휴리스틱이 달성하는 솔루션 품질에 있습니다. 이것은 실행 시간 분석과 크게 구분되는 부분입니다. 우리는 이를 더욱 발전시키기 위해 새로운 분석 프레임워크인 무한 예산 분석을 도입하여 임의의 계산 단계 후에 기대되는 적합성 값을 유도하고자 합니다. 이 프레임워크는 최근에 소개된 근사 오차 분석에서 그 뿌리를 찾으며, 고정 예산 분석과 일부 유사점이 있습니다. 우리는 이 프레임워크를 간단한 변이 기반 알고리즘에 적용하고 이를 통해 로컬 및 글로벌 탐색을 모두 다룹니다. 무한 예산 분석의 경우 여러 의사 불변 함수에 대한 해석적 결과를 제공하며, 동일한 알고리즘과 함수에 대해 고정 예산 프레임워크 내에서 유도된 결과와 비교합니다. 두 가지 다른 프레임워크에서 얻은 경계와 실제 관찰 성능을 비교하기 위한 실험 결과도 있습니다. 이 연구는 고정 예산 분석보다 더 일반적인 추정을 가능하게 하는 무한 예산 분석이 동일하거나 더 나은 추정을 제공할 수 있음을 보여줍니다.
일반화된 중국인의 나머지 정리(CRT)는 모호성 해석과 관련된 문제를 해결하기 위한 잘 알려진 접근법이다. 본 논문에서는 통계학적 관점에서 여러 개의 수에 대한 CRT 기반 복원을 강건하게 하는 방법을 연구하였다. 이 글은 CRT 기반 다중 매개변수 추정의 기본적인 통계 모델에 대한 첫 번째 엄밀한 분석이라고 할 수 있다. 이를 해결하기 위해 두 가지 새로운 접근법이 제시되었다. 하나는 잔차 클러스터링에 대한 조건부 최대 사후 확률(MAP) 추정을 직접 계산하는 것이고, 다른 하나는 일반화된 감싸인 가우시안 혼합 모델을 이용해 MAP를 반복적으로 찾는 것이다. 또한 강건성을 향상시키기 위해 잔차 오류 정정 코드가 도입되었다. 실험 결과는 통계적 방식이 특히 높은 노이즈 상황에서 기존의 결정론적 접근법보다 훨씬 더 강건한 성능을 보였음을 나타냈다.
우리는 피드백 선형화 가능한 시스템의 실시간 경로 계획과 피드백 제어를 위한 최적화 기반 프레임워크를 개발합니다. 이를 달성하기 위해, 목표 경로를 시간 변동 최적화 문제의 최적 해로 정의합니다. 그러나 일반적으로 그러한 경로는 비홀노믹 제약 조건 등으로 인해 실행 불가능할 수 있습니다. 이러한 문제를 해결하기 위해, 목표 경로에 점근적으로 수렴하는 실행 가능한 경로를 생성하는 제어 법칙을 설계했습니다. 즉, 동적 전체 상태 선형화 가능한 시스템에 대해 제안된 제어 법칙은 비선형 시스템을 충분히 높은 차수의 최적화 알고리즘으로 암시적으로 변환합니다. 우리는 최적화 알고리즘과 원래 시스템 모두에서 목표 경로로의 전역 지수 수렴을 증명했습니다. 제약 조건이 있는 다중 대상이나 다중 에이전트 추적 문제에서 우리의 방법의 효과를 보여줍니다.
비상사태 이후, 전력망, 수자원 네트워크, 교통시스템과 같은 중요한 인프라 시스템은 어느 공동체의 복지에 큰 역할을 합니다. 이러한 인프라 시스템들의 회복은 매우 중요하며, 그 회복 과정에는 제한된 자원(인력 수리 전문가와 기계)을 손상된 인프라 구성 요소에 할당하는 것이 포함됩니다. 결정자들은 리소스 할당의 결과에 대한 불확실성도 고려해야 합니다. 많은 선택지와 연속적인 결정의 결과에 대한 불확실성을 다루는 것은 쉽지 않으며, 이 문제는 mbox{NP-난이도}로 알려져 있습니다. 저희는 이러한 대규모 실제 문제에서 발생하는 방대한 수의 의사결정을 처리할 수 있는 새로운 의사결정 기법을 제안합니다. 또한 우리의 방법은 소수의 선택에 대한 성능을 기반으로 계산 자원의 활용을 적응적으로 결정하는 경험 학습 구성 요소를 가지고 있습니다. 저희 프레임워크는 클로즈드 루프이며, 그러한 의사결정 시스템에서 모든 매력적인 특성을 자연스럽게 통합합니다. 현재 선택에 대한 미래 효과를 고려하지 않는 단기적 접근법과 달리, 우리의 방법론은 예측 학습 구성 요소를 통해 솔루션에 emph{예지}를 효과적으로 통합합니다. 이를 위해 우리는 회귀 분석 이론, 마코프 의사결정 과정(MDP), 다중 팔대기 문제, 그리고 자연 재해로 인한 공동체 피해의 확률적 모델을 활용하여 위험으로부터 영향받은 공동체 복구를 위한 방법을 개발했습니다. 우리의 방법은 방대한 행동 공간을 가진 MDP에 대한 일반적인 문제 해결에도 기여합니다.
전기 그리드는 대부분의 동기 기계로 구성된 네트워크에서 풍력, 태양광 및 에너지 저장 장치와 같은 인버터 기반 자원(IBR)과 동기 기계가 혼합되어 있는 네트워크로 진화하고 있습니다. 이러한 변화는 시스템 내의 기계적 관성량을 줄이는 결과를 초래하였으며, 이에 따라 새로운 자원들이 인버터 인터페이스를 통해 주파수 반응을 제공해야 하는 필요성이 생겼습니다. 본 논문에서는 시스템에서 발생하는 장애 상황에서 인버터의 최적의 유동 전력 설정 값을 결정하기 위한 모델 예측 제어(MPC) 기반 새로운 전략을 제안합니다. 우리의 프레임워크는 전력 및 에너지에 대한 하드 제약 조건을 명시적으로 고려하고, 측정 노이즈와 통신 지연을 포함한 다양한 요인에 대해 강성성을 보여줍니다. 이를 위해 실시간으로 모델 불일치를 추정하기 위한 관찰기를 사용합니다. 표준 39-bus 시스템에서 여러 시나리오 아래에서 최적 조정된 가상 동기 기계와 비교했을 때 제안한 컨트롤러가 크게 우수함을 보여주었으며, 이는 최적화된 인버터 기반 자원이 전통적인 동기 기계보다 더 나은 주파수 반응을 제공할 수 있음을 시사합니다.
이 논문은 폴리노미얼 집합 시스템에서 k-면을 정확히 세는 방법과, 일반 위치에 있는 점들의 개수와 관계없이 특정값만으로 k-면의 수를 결정할 수 있는 방법을 제시합니다. 또한 일반적인 위치에서 동심원과 고차 homogeneous 다항식에 대한 새로운 결과를 제공하며, 이들 결과는 이전 연구에서 얻은 것보다 더 정확한 결과를 보여줍니다.
본 논문은 패널 데이터 모형에서 추정된 매개 변수의 확률 밀도 함수에 대한 사addlepoint 근사법을 개발하고, 이를 통해 더 정확한 통계적 유의성 테스트를 가능하게 한다. 특히, 사addlepoint 근사를 사용하여 단순화된 최대 우도 추정치의 분포를 근사하므로써, 기존 방법보다 보다 높은 정확성을 제공한다. 본 연구는 다양한 패널 데이터 모형에서 이 접근법이 실제 유의미한 성능 개선을 가져오는지를 검증하는 실험 결과도 포함하고 있다. ###
![[한글 번역 중] Constraint programming model and biased random-key genetic algorithm for the single-machine coupled task scheduling problem with exact delays to minimize the makespan](https://koineu.com/posts/2025/12/2025-12-29-191019-constraint_programming_model_and_biased_random_key/ctsp-Flowchart-v7.drawio.png)
본 논문은 하이퍼파라미터 튜닝이 신경망 성능에 미치는 영향을 분석합니다. 여러 데이터셋에서 다양한 하이퍼파라미터 조합의 실험 결과를 바탕으로, 최적화된 모델의 성능 향상과 일반화 능력의 개선을 보여줍니다.
검색어를 입력하세요