Добірка наукової літератури з теми "Optimisation convexe en ligne"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Optimisation convexe en ligne".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Optimisation convexe en ligne"
1
Hilout, Saïd. "Stabilité en optimisation convexe non différentiable." Comptes Rendus de l'Académie des Sciences - Series I - Mathematics 329, no. 11 (December 1999): 1027–32. http://dx.doi.org/10.1016/s0764-4442(00)88631-0.
Повний текст джерела
2
Kouada, I. "Sur la dualité en optimisation vectorielle convexe." RAIRO - Operations Research 28, no. 3 (1994): 255–81. http://dx.doi.org/10.1051/ro/1994280302551.
Повний текст джерела
3
Boyer, R. "Algorithmes de type F.A.C. en optimisation convexe." ESAIM: Mathematical Modelling and Numerical Analysis 28, no. 1 (1994): 95–119. http://dx.doi.org/10.1051/m2an/1994280100951.
Повний текст джерела
4
Rodriguez, Pedro, and Didier Dumur. "Robustification d'une commande GPC par optimisation convexe du paramètre de Youla." Journal Européen des Systèmes Automatisés 37, no. 1 (January 30, 2003): 109–34. http://dx.doi.org/10.3166/jesa.37.109-134.
Повний текст джерела
5
Abbas-Turki, Mohamed, Gilles Duc, and Benoît Clément. "Retouche de correcteurs par optimisation convexe. Application au pilotage d'un lanceur spatial." Journal Européen des Systèmes Automatisés 40, no. 9-10 (December 30, 2006): 997–1017. http://dx.doi.org/10.3166/jesa.40.997-1017.
Повний текст джерела
6
Belkeziz, K., and A. Metrane. "Optimisation d’une fonction linéaire sur l’ensemble des solutions efficaces d’un problème multicritère quadratique convexe." Annales mathématiques Blaise Pascal 11, no. 1 (2004): 19–33. http://dx.doi.org/10.5802/ambp.182.
Повний текст джерела
7
Kouada, A. Issoufou. "Sur la propriété de domination et l'existence de points Pareto-efficaces en optimisation vectorielle convexe." RAIRO - Operations Research 28, no. 1 (1994): 77–84. http://dx.doi.org/10.1051/ro/1994280100771.
Повний текст джерела
8
Barbet, C., H. Longuet, P. Gatault, N. Rabot, and J. M. Halimi. "Ligne directe ville–hôpital en néphrologie : optimisation du parcours de soins." Néphrologie & Thérapeutique 12, no. 5 (September 2016): 402–3. http://dx.doi.org/10.1016/j.nephro.2016.07.120.
Повний текст джерела
9
Clément, Benoît. "Analyse par intervalles et optimisation convexe pour résoudre un problème général de faisabilité d’une contrainte robuste." Journal Européen des Systèmes Automatisés 46, no. 4-5 (July 30, 2012): 381–95. http://dx.doi.org/10.3166/jesa.46.381-395.
Повний текст джерела
10
F. Aziz, Rahma, and Maha S. Younis. "A New Hybrid Conjugate Gradient Method with Global Convergence Properties." Wasit Journal for Pure sciences 3, no. 3 (September 30, 2024): 58–68. http://dx.doi.org/10.31185/wjps.453.
Повний текст джерелаАнотація:
This work introduces a novel hybrid conjugate gradient (CG) technique for tackling unconstrained optimisation problems with improved efficiency and effectiveness. The parameter is computed as a convex combination of the standard conjugate gradient techniques using and . Our proposed method has shown that when using the strong Wolfe-line-search (SWC) under specific conditions, it achieves global theoretical convergence. In addition, the new hybrid CG approach has the ability to generate a search direction that moves downward with each iteration. The quantitative findings obtained by applying the recommended technique about 30 functions with varying dimensions clearly illustrate its effectiveness and potential. This work introduces a novel hybrid conjugate gradient (CG) technique for tackling unconstrained optimisation problems with improved efficiency and effectiveness. The parameter is computed as a convex combination of the standard conjugate gradient techniques using and . Our proposed method has shown that when using the strong Wolfe-line-search (SWC) under specific conditions, it achieves global theoretical convergence. In addition, the new hybrid CG approach has the ability to generate a search direction that moves downward with each iteration. The quantitative findings obtained by applying the recommended technique about 30 functions with varying dimensions clearly illustrate its effectiveness and potential.
Дисертації з теми "Optimisation convexe en ligne"
1
Fernandez, Camila. "Contributions and applications to survival analysis." Electronic Thesis or Diss., Sorbonne université, 2024. http://www.theses.fr/2024SORUS230.
Повний текст джерелаАнотація:
L'analyse de survie a suscité l'intérêt de diverses disciplines, allant de la médecine et de la maintenance prédictive à diverses applications industrielles. Sa popularité croissante peut être attribuée aux avancées significatives en matière de puissance de calcul et à la disponibilité accrue des données. Des approches variées ont été développées pour répondre au défi des données censurées, allant des outils statistiques classiques aux techniques contemporaines d'apprentissage automatique. Cependant, il reste encore une marge considérable pour l'amélioration. Cette thèse vise à introduire des approches innovantes qui fournissent des insights plus profonds sur les distributions de survie et à proposer de nouvelles méthodes avec des garanties théoriques qui améliorent la précision des prédictions.Il est notamment remarquable de constater l'absence de modèles capables de traiter les données séquentielles, une configuration pertinente en raison de sa capacité à s'adapter rapidement à de nouvelles informations et de son efficacité à gérer de grands flux de données sans nécessiter d'importantes ressources mémoire. La première contribution de cette thèse est de proposer un cadre théorique pour la modélisation des données de survie en ligne. Nous modélisons la fonction de risque comme une exponentielle paramétrique qui dépend des covariables, et nous utilisons des algorithmes d'optimisation convexe en ligne pour optimiser la vraisemblance de notre modèle, une approche qui est novatrice dans ce domaine. Nous proposons un nouvel algorithme adaptatif de second ordre, SurvONS, qui assure une robustesse dans la sélection des hyperparamètres tout en maintenant des bornes de regret rapides. De plus, nous introduisons une approche stochastique qui améliore les propriétés de convexité pour atteindre des taux de convergence plus rapides. La deuxième contribution de cette thèse est de fournir une comparaison détaillée de divers modèles de survie, incluant les modèles semi-paramétriques, paramétriques et ceux basés sur l'apprentissage automatique. Nous étudions les caractéristiques des ensembles de données qui influencent la performance des méthodes, et nous proposons une procédure d'agrégation qui améliore la précision et la robustesse des prédictions. Enfin, nous appliquons les différentes approches discutées tout au long de la thèse à une étude de cas industrielle : la prédiction de l'attrition des employés, un problème fondamental dans le monde des affaires moderne. De plus, nous étudions l'impact des caractéristiques des employés sur les prédictions d'attrition en utilisant l'importance des caractéristiques par permutation et les valeurs de ShapleySurvival analysis has attracted interest from a wide range of disciplines, spanning from medicine and predictive maintenance to various industrial applications. Its growing popularity can be attributed to significant advancements in computational power and the increased availability of data. Diverse approaches have been developed to address the challenge of censored data, from classical statistical tools to contemporary machine learning techniques. However, there is still considerable room for improvement. This thesis aims to introduce innovative approaches that provide deeper insights into survival distributions and to propose new methods with theoretical guarantees that enhance prediction accuracy. Notably, we notice the lack of models able to treat sequential data, a setting that is relevant due to its ability to adapt quickly to new information and its efficiency in handling large data streams without requiring significant memory resources. The first contribution of this thesis is to propose a theoretical framework for modeling online survival data. We model the hazard function as a parametric exponential that depends on the covariates, and we use online convex optimization algorithms to minimize the negative log-likelihood of our model, an approach that is novel in this field. We propose a new adaptive second-order algorithm, SurvONS, which ensures robustness in hyperparameter selection while maintaining fast regret bounds. Additionally, we introduce a stochastic approach that enhances the convexity properties to achieve faster convergence rates. The second contribution of this thesis is to provide a detailed comparison of diverse survival models, including semi-parametric, parametric, and machine learning models. We study the dataset character- istics that influence the methods performance, and we propose an aggregation procedure that enhances prediction accuracy and robustness. Finally, we apply the different approaches discussed throughout the thesis to an industrial case study : predicting employee attrition, a fundamental issue in modern business. Additionally, we study the impact of employee characteristics on attrition predictions using permutation feature importance and Shapley values
2
Reiffers-Masson, Alexandre. "Compétition sur la visibilité et la popularité dans les réseaux sociaux en ligne." Thesis, Avignon, 2016. http://www.theses.fr/2016AVIG0210/document.
Повний текст джерелаАнотація:
Cette thèse utilise la théorie des jeux pour comprendre le comportement des usagers dans les réseaux sociaux. Trois problématiques y sont abordées: "Comment maximiser la popularité des contenus postés dans les réseaux sociaux?";" Comment modéliser la répartition des messages par sujets?";"Comment minimiser la propagation d’une rumeur et maximiser la diversité des contenus postés?". Après un état de l’art concernant ces questions développé dans le chapitre 1, ce travail traite, dans le chapitre 2, de la manière d’aborder l’environnement compétitif pour accroître la visibilité. Dans le chapitre 3, c’est le comportement des usagers qui est modélisé, en terme de nombre de messages postés, en utilisant la théorie des approximations stochastiques. Dans le chapitre 4, c’est une compétition pour être populaire qui est étudiée. Le chapitre 5 propose de formuler deux problèmes d’optimisation convexes dans le contexte des réseaux sociaux en ligne. Finalement, le chapitre 6 conclue ce manuscritThis Ph.D. is dedicated to the application of the game theory for the understanding of users behaviour in Online Social Networks. The three main questions of this Ph.D. are: " How to maximize contents popularity ? "; " How to model the distribution of messages across sources and topics in OSNs ? "; " How to minimize gossip propagation and how to maximize contents diversity? ". After a survey concerning the research made about the previous problematics in chapter 1, we propose to study a competition over visibility in chapter 2. In chapter 3, we model and provide insight concerning the posting behaviour of publishers in OSNs by using the stochastic approximation framework. In chapter 4, it is a popularity competition which is described by using a differential game formulation. The chapter 5 is dedicated to the formulation of two convex optimization problems in the context of Online Social Networks. Finally conclusions and perspectives are given in chapter 6
3
Akhavanfoomani, Aria. "Derivative-free stochastic optimization, online learning and fairness." Electronic Thesis or Diss., Institut polytechnique de Paris, 2023. http://www.theses.fr/2023IPPAG001.
Повний текст джерелаАнотація:
Dans cette thèse, nous étudions d'abord le problème de l'optimisation d'ordre zéro dans le cadre actif pour des fonctions lisses et trois classes différentes de fonctions : i) les fonctions qui satisfont la condition de Polyak-Łojasiewicz, ii) les fonctions fortement convexes, et iii) la classe plus large des fonctions non convexes fortement lisses.De plus, nous proposons un nouvel algorithme basé sur la randomisation de type l1, et nous étudions ses propriétés pour les fonctions convexes Lipschitz dans un cadre d'optimisation en ligne. Notre analyse est due à la dérivation d'une nouvelle inégalité de type Poincar'e pour la mesure uniforme sur la sphère l1 avec des constantes explicites.Ensuite, nous étudions le problème d'optimisation d'ordre zéro dans les schémas passifs. Nous proposons une nouvelle méthode pour estimer le minimiseur et la valeur minimale d'une fonction de régression lisse et fortement convexe f. Nous dérivons des limites supérieures pour cet algorithme et prouvons des limites inférieures minimax pour un tel cadre.Enfin, nous étudions le problème du bandit contextuel linéaire sous contraintes d'équité où un agent doit sélectionner un candidat dans un pool, et où chaque candidat appartient à un groupe sensible. Nous proposons une nouvelle notion d'équité qui est pratique dans l'exemple susmentionné. Nous concevons une politique avide qui calcule une estimation du rang relatif de chaque candidat en utilisant la fonction de distribution cumulative empirique, et nous prouvons sa propriété optimaleIn this thesis, we first study the problem of zero-order optimization in the active setting for smooth and three different classes of functions: i) the functions that satisfy the Polyak-Łojasiewicz condition, ii) strongly convex functions, and iii) the larger class of highly smooth non-convex functions.Furthermore, we propose a novel algorithm that is based on l1-type randomization, and we study its properties for Lipschitz convex functions in an online optimization setting. Our analysis is due to deriving a new Poincar'e type inequality for the uniform measure on the l1-sphere with explicit constants.Then, we study the zero-order optimization problem in the passive schemes. We propose a new method for estimating the minimizer and the minimum value of a smooth and strongly convex regression function f. We derive upper bounds for this algorithm and prove minimax lower bounds for such a setting.In the end, we study the linear contextual bandit problem under fairness constraints where an agent has to select one candidate from a pool, and each candidate belongs to a sensitive group. We propose a novel notion of fairness which is practical in the aforementioned example. We design a greedy policy that computes an estimate of the relative rank of each candidate using the empirical cumulative distribution function, and we proved its optimal property
4
Ho, Vinh Thanh. "Techniques avancées d'apprentissage automatique basées sur la programmation DC et DCA." Thesis, Université de Lorraine, 2017. http://www.theses.fr/2017LORR0289/document.
Повний текст джерелаАнотація:
Dans cette thèse, nous développons certaines techniques avancées d'apprentissage automatique dans le cadre de l'apprentissage en ligne et de l'apprentissage par renforcement (« reinforcement learning » en anglais -- RL). L'épine dorsale de nos approches est la programmation DC (Difference of Convex functions) et DCA (DC Algorithm), et leur version en ligne, qui sont reconnues comme de outils puissants d'optimisation non convexe, non différentiable. Cette thèse se compose de deux parties : la première partie étudie certaines techniques d'apprentissage automatique en mode en ligne et la deuxième partie concerne le RL en mode batch et mode en ligne. La première partie comprend deux chapitres correspondant à la classification en ligne (chapitre 2) et la prédiction avec des conseils d'experts (chapitre 3). Ces deux chapitres mentionnent une approche unifiée d'approximation DC pour différents problèmes d'optimisation en ligne dont les fonctions objectives sont des fonctions de perte 0-1. Nous étudions comment développer des algorithmes DCA en ligne efficaces en termes d'aspects théoriques et computationnels. La deuxième partie se compose de quatre chapitres (chapitres 4, 5, 6, 7). Après une brève introduction du RL et ses travaux connexes au chapitre 4, le chapitre 5 vise à fournir des techniques efficaces du RL en mode batch basées sur la programmation DC et DCA. Nous considérons quatre différentes formulations d'optimisation DC en RL pour lesquelles des algorithmes correspondants basés sur DCA sont développés. Nous traitons les problèmes clés de DCA et montrons l'efficacité de ces algorithmes au moyen de diverses expériences. En poursuivant cette étude, au chapitre 6, nous développons les techniques du RL basées sur DCA en mode en ligne et proposons leurs versions alternatives. Comme application, nous abordons le problème du plus court chemin stochastique (« stochastic shortest path » en anglais -- SSP) au chapitre 7. Nous étudions une classe particulière de problèmes de SSP qui peut être reformulée comme une formulation de minimisation de cardinalité et une formulation du RL. La première formulation implique la norme zéro et les variables binaires. Nous proposons un algorithme basé sur DCA en exploitant une approche d'approximation DC de la norme zéro et une technique de pénalité exacte pour les variables binaires. Pour la deuxième formulation, nous utilisons un algorithme batch RL basé sur DCA. Tous les algorithmes proposés sont testés sur des réseaux routiers artificielsIn this dissertation, we develop some advanced machine learning techniques in the framework of online learning and reinforcement learning (RL). The backbones of our approaches are DC (Difference of Convex functions) programming and DCA (DC Algorithm), and their online version that are best known as powerful nonsmooth, nonconvex optimization tools. This dissertation is composed of two parts: the first part studies some online machine learning techniques and the second part concerns RL in both batch and online modes. The first part includes two chapters corresponding to online classification (Chapter 2) and prediction with expert advice (Chapter 3). These two chapters mention a unified DC approximation approach to different online learning algorithms where the observed objective functions are 0-1 loss functions. We thoroughly study how to develop efficient online DCA algorithms in terms of theoretical and computational aspects. The second part consists of four chapters (Chapters 4, 5, 6, 7). After a brief introduction of RL and its related works in Chapter 4, Chapter 5 aims to provide effective RL techniques in batch mode based on DC programming and DCA. In particular, we first consider four different DC optimization formulations for which corresponding attractive DCA-based algorithms are developed, then carefully address the key issues of DCA, and finally, show the computational efficiency of these algorithms through various experiments. Continuing this study, in Chapter 6 we develop DCA-based RL techniques in online mode and propose their alternating versions. As an application, we tackle the stochastic shortest path (SSP) problem in Chapter 7. Especially, a particular class of SSP problems can be reformulated in two directions as a cardinality minimization formulation and an RL formulation. Firstly, the cardinality formulation involves the zero-norm in objective and the binary variables. We propose a DCA-based algorithm by exploiting a DC approximation approach for the zero-norm and an exact penalty technique for the binary variables. Secondly, we make use of the aforementioned DCA-based batch RL algorithm. All proposed algorithms are tested on some artificial road networks
5
Ho, Vinh Thanh. "Techniques avancées d'apprentissage automatique basées sur la programmation DC et DCA." Electronic Thesis or Diss., Université de Lorraine, 2017. http://www.theses.fr/2017LORR0289.
Повний текст джерелаАнотація:
Dans cette thèse, nous développons certaines techniques avancées d'apprentissage automatique dans le cadre de l'apprentissage en ligne et de l'apprentissage par renforcement (« reinforcement learning » en anglais -- RL). L'épine dorsale de nos approches est la programmation DC (Difference of Convex functions) et DCA (DC Algorithm), et leur version en ligne, qui sont reconnues comme de outils puissants d'optimisation non convexe, non différentiable. Cette thèse se compose de deux parties : la première partie étudie certaines techniques d'apprentissage automatique en mode en ligne et la deuxième partie concerne le RL en mode batch et mode en ligne. La première partie comprend deux chapitres correspondant à la classification en ligne (chapitre 2) et la prédiction avec des conseils d'experts (chapitre 3). Ces deux chapitres mentionnent une approche unifiée d'approximation DC pour différents problèmes d'optimisation en ligne dont les fonctions objectives sont des fonctions de perte 0-1. Nous étudions comment développer des algorithmes DCA en ligne efficaces en termes d'aspects théoriques et computationnels. La deuxième partie se compose de quatre chapitres (chapitres 4, 5, 6, 7). Après une brève introduction du RL et ses travaux connexes au chapitre 4, le chapitre 5 vise à fournir des techniques efficaces du RL en mode batch basées sur la programmation DC et DCA. Nous considérons quatre différentes formulations d'optimisation DC en RL pour lesquelles des algorithmes correspondants basés sur DCA sont développés. Nous traitons les problèmes clés de DCA et montrons l'efficacité de ces algorithmes au moyen de diverses expériences. En poursuivant cette étude, au chapitre 6, nous développons les techniques du RL basées sur DCA en mode en ligne et proposons leurs versions alternatives. Comme application, nous abordons le problème du plus court chemin stochastique (« stochastic shortest path » en anglais -- SSP) au chapitre 7. Nous étudions une classe particulière de problèmes de SSP qui peut être reformulée comme une formulation de minimisation de cardinalité et une formulation du RL. La première formulation implique la norme zéro et les variables binaires. Nous proposons un algorithme basé sur DCA en exploitant une approche d'approximation DC de la norme zéro et une technique de pénalité exacte pour les variables binaires. Pour la deuxième formulation, nous utilisons un algorithme batch RL basé sur DCA. Tous les algorithmes proposés sont testés sur des réseaux routiers artificielsIn this dissertation, we develop some advanced machine learning techniques in the framework of online learning and reinforcement learning (RL). The backbones of our approaches are DC (Difference of Convex functions) programming and DCA (DC Algorithm), and their online version that are best known as powerful nonsmooth, nonconvex optimization tools. This dissertation is composed of two parts: the first part studies some online machine learning techniques and the second part concerns RL in both batch and online modes. The first part includes two chapters corresponding to online classification (Chapter 2) and prediction with expert advice (Chapter 3). These two chapters mention a unified DC approximation approach to different online learning algorithms where the observed objective functions are 0-1 loss functions. We thoroughly study how to develop efficient online DCA algorithms in terms of theoretical and computational aspects. The second part consists of four chapters (Chapters 4, 5, 6, 7). After a brief introduction of RL and its related works in Chapter 4, Chapter 5 aims to provide effective RL techniques in batch mode based on DC programming and DCA. In particular, we first consider four different DC optimization formulations for which corresponding attractive DCA-based algorithms are developed, then carefully address the key issues of DCA, and finally, show the computational efficiency of these algorithms through various experiments. Continuing this study, in Chapter 6 we develop DCA-based RL techniques in online mode and propose their alternating versions. As an application, we tackle the stochastic shortest path (SSP) problem in Chapter 7. Especially, a particular class of SSP problems can be reformulated in two directions as a cardinality minimization formulation and an RL formulation. Firstly, the cardinality formulation involves the zero-norm in objective and the binary variables. We propose a DCA-based algorithm by exploiting a DC approximation approach for the zero-norm and an exact penalty technique for the binary variables. Secondly, we make use of the aforementioned DCA-based batch RL algorithm. All proposed algorithms are tested on some artificial road networks
6
Weiss, Pierre. "Algorithmes rapides d'optimisation convexe. Applications à la reconstruction d'images et à la détection de changements." Phd thesis, Université de Nice Sophia-Antipolis, 2008. http://tel.archives-ouvertes.fr/tel-00349452.
Повний текст джерелаАнотація:
Cette thèse contient des contributions en analyse numérique et en vision par ordinateur. Dans une première partie, nous nous intéressons à la résolution rapide, par des méthodes de premier ordre, de problèmes d'optimisation convexe. Ces problèmes apparaissent naturellement dans de nombreuses tâches telles que la reconstruction d'images, l'échantillonnage compressif ou la décomposition d'images en texture et en géométrie. Ils ont la particularité d'être non différentiables ou très mal conditionnés. On montre qu'en utilisant des propriétés fines des fonctions à minimiser on peut obtenir des algorithmes de minimisation extrêmement efficaces. On analyse systématiquement leurs taux de convergence en utilisant des résultats récents dûs à Y. Nesterov. Les méthodes proposées correspondent - à notre connaissance - à l'état de l'art des méthodes de premier ordre. Dans une deuxième partie, nous nous intéressons au problème de la détection de changements entre deux images satellitaires prises au même endroit à des instants différents. Une des difficultés principales à surmonter pour résoudre ce problème est de s'affranchir des conditions d'illuminations différentes entre les deux prises de vue. Ceci nous mène à l'étude de l'invariance aux changements d'illuminations des lignes de niveau d'une image. On caractérise complètement les scènes qui fournissent des lignes de niveau invariantes. Celles-ci correspondent assez bien à des milieux urbains. On propose alors un algorithme simple de détection de changements qui fournit des résultats très satisfaisants sur des images synthétiques et des images Quickbird réelles.
7
Karimi, Belhal. "Non-Convex Optimization for Latent Data Models : Algorithms, Analysis and Applications." Thesis, Université Paris-Saclay (ComUE), 2019. http://www.theses.fr/2019SACLX040/document.
Повний текст джерелаАнотація:
De nombreux problèmes en Apprentissage Statistique consistent à minimiser une fonction non convexe et non lisse définie sur un espace euclidien. Par exemple, les problèmes de maximisation de la vraisemblance et la minimisation du risque empirique en font partie.Les algorithmes d'optimisation utilisés pour résoudre ce genre de problèmes ont été largement étudié pour des fonctions convexes et grandement utilisés en pratique.Cependant, l'accrudescence du nombre d'observation dans l'évaluation de ce risque empirique ajoutée à l'utilisation de fonctions de perte de plus en plus sophistiquées représentent des obstacles.Ces obstacles requièrent d'améliorer les algorithmes existants avec des mis à jour moins coûteuses, idéalement indépendantes du nombre d'observations, et d'en garantir le comportement théorique sous des hypothèses moins restrictives, telles que la non convexité de la fonction à optimiser.Dans ce manuscrit de thèse, nous nous intéressons à la minimisation de fonctions objectives pour des modèles à données latentes, ie, lorsque les données sont partiellement observées ce qui inclut le sens conventionnel des données manquantes mais est un terme plus général que cela.Dans une première partie, nous considérons la minimisation d'une fonction (possiblement) non convexe et non lisse en utilisant des mises à jour incrémentales et en ligne. Nous proposons et analysons plusieurs algorithmes à travers quelques applications.Dans une seconde partie, nous nous concentrons sur le problème de maximisation de vraisemblance non convexe en ayant recourt à l'algorithme EM et ses variantes stochastiques. Nous en analysons plusieurs versions rapides et moins coûteuses et nous proposons deux nouveaux algorithmes du type EM dans le but d'accélérer la convergence des paramètres estimésMany problems in machine learning pertain to tackling the minimization of a possibly non-convex and non-smooth function defined on a Many problems in machine learning pertain to tackling the minimization of a possibly non-convex and non-smooth function defined on a Euclidean space.Examples include topic models, neural networks or sparse logistic regression.Optimization methods, used to solve those problems, have been widely studied in the literature for convex objective functions and are extensively used in practice.However, recent breakthroughs in statistical modeling, such as deep learning, coupled with an explosion of data samples, require improvements of non-convex optimization procedure for large datasets.This thesis is an attempt to address those two challenges by developing algorithms with cheaper updates, ideally independent of the number of samples, and improving the theoretical understanding of non-convex optimization that remains rather limited.In this manuscript, we are interested in the minimization of such objective functions for latent data models, ie, when the data is partially observed which includes the conventional sense of missing data but is much broader than that.In the first part, we consider the minimization of a (possibly) non-convex and non-smooth objective function using incremental and online updates.To that end, we propose several algorithms exploiting the latent structure to efficiently optimize the objective and illustrate our findings with numerous applications.In the second part, we focus on the maximization of non-convex likelihood using the EM algorithm and its stochastic variants.We analyze several faster and cheaper algorithms and propose two new variants aiming at speeding the convergence of the estimated parameters
8
DANIILIDIS, Aris. "Analyse convexe et quasi-convexe ; applications en optimisation." Habilitation à diriger des recherches, Université de Pau et des Pays de l'Adour, 2002. http://tel.archives-ouvertes.fr/tel-00001355.
Повний текст джерелаАнотація:
Ce document de synthèse s'articule autour de l'analyse convexe, de l'analyse quasi-convexe et des applications en optimisation. Dans le premier domaine on aborde les thèmes de la continuité, de la différentiabilité et des critères de coïncidence pour les fonctions convexes, puis la convexification des fonctions semi-continues inférieurement. Pour l'étude des fonctions quasi-convexes deux approches sont adoptées : une approche analytique, via un sous-différentiel généralisé, et une approche géométrique, basée sur les normales aux tranches. La dernière partie est consacrée à des applications à l'intégration d'opérateurs multivoques, aux inéquations variationnelles et à des problèmes d'optimisation multicritères en dimension finie et infinie. Parmi les nouveautés de ce travail, on trouve la notion de monotonie fortement cyclique, qui caractérise le sous-différentiel d'une fonction convexe dont la restriction à son domaine est continue, la quasi-monotonie cyclique, qui est une propriété intrinsèque du sous-différentiel d'une fonction quasi-convexe avec des applications importantes en économie mathématique, et la notion de quasi-monotonie propre, qui caractérise les opérateurs pour lesquels l'inéquation variationnelle associée a toujours des solutions sur toute sous-partie convexe et faiblement compacte de leur domaine. Notons encore une nouvelle caractérisation de la propriété de Radon-Nikodym, et une extension à la dimension infinie d'un résultat de Janin concernant l'intégration d'un opérateur maximal cycliquement sous-monotone, résultat qui généralise le théorème classique de Rockafellar pour les opérateurs maximaux cycliquement monotones.
9
Bahraoui, Mohamed-Amin. "Suites diagonalement stationnaires en optimisation convexe." Montpellier 2, 1994. http://www.theses.fr/1994MON20153.
Повний текст джерелаАнотація:
Dans ce travail nous etudions la convergence des suites diagonalement stationnaires en optimisation convexe via la theorie de la convergence variationnelle. Nous etablirons ensuite les liens entre le bon comportement asymptotique, probleme bien pose et conditionnement en introduisant des versions diagonales appropriees. Comme application, nous proposons et etudions la convergence d'une version diagonale de la methode des faisceaux qui permet de prendre en compte des contraintes: quelques experiences numeriques sont presentees (faisceaux-penalisation). Enfin, nous etendons a la version diagonale la caracterisation variationnelle de la limite de la suite engendree par la methode proximale, dans l'ensemble optimal
10
Yagoubi, Mohamed. "Commande robuste structurée et optimisation convexe." Nantes, 2003. http://www.theses.fr/2003NANT2027.
Повний текст джерелаАнотація:
Les systèmes informatiques de contrôle commande deviennent chaque jour plus performants et permettent la mise en oeuvre de régulateurs de sophistication croissante. De façon parallèle à cette évolution technologique, la théorie des systèmes linéaires se développe afin de tenir davantage compte des problèmes pratiques. La prise en compte des incertitudes de modélisation a conduit à développer l'axe "robustesse" de la commande des systèmes linéaires. Ce travail prolonge cette réflexion en cherchant à intégrer des contraintes (technologiques ou conceptuelles) sur la structure du régulateur à concevoir. L'approche "commande optimale" au sens d'un critère H2 ou H[infini] est privilégiée. . .
Книги з теми "Optimisation convexe en ligne"
1
Willem, Michel. Analyse convexe et optimisation. [S.l.]: CIACO, 1987.
Знайти повний текст джерела
2
Willem, Michel. Analyse convexe et optimisation. 3rd ed. Louvain-la-Neuve: CIACO, 1989.
Знайти повний текст джерела
3
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. Optimisation convexe et inéquations variationnelles monotones. Cham: Springer Nature Switzerland, 2023. http://dx.doi.org/10.1007/978-3-031-30681-5.
Повний текст джерела
4
Hiriart-Urruty, Jean-Baptiste. Optimisation et analyse convexe: Exercices et problèmes corrigés, avec rappels de cours. Les Ulis: EDP sciences, 2009.
Знайти повний текст джерела
5
Grötschel, Martin. Geometric algorithms and combinatorial optimization. 2nd ed. Berlin: Springer-Verlag, 1993.
Знайти повний текст джерела
6
Grötschel, Martin. Geometric algorithms and combinatorial optimization. Berlin: Springer-Verlag, 1988.
Знайти повний текст джерела
7
Evripidis, Bampis, Jansen Klaus, and Kenyon Claire, eds. Efficient approximation and online algorithms: Recent progress on classical combinatorical optimization problems and new applications. New York: Springer, 2006.
Знайти повний текст джерела
8
Evripidis, Bampis, Jansen Klaus, and Kenyon Claire, eds. Efficient approximation and online algorithms: Recent progress on classical combinatorical optimization problems and new applications. New York: Springer, 2006.
Знайти повний текст джерела
9
Hiriart-Urruty, Jean-Baptiste. Optimisation et analyse convexe. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-0700-0.
Повний текст джерела
10
Optimisation et analyse convexe. Presses Universitaires de France - PUF, 1998.
Знайти повний текст джерелаЧастини книг з теми "Optimisation convexe en ligne"
1
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Monotonie et maximale monotonie." In Optimisation convexe et inéquations variationnelles monotones, 117–44. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_4.
Повний текст джерела
2
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Ensembles et fonctions convexes." In Optimisation convexe et inéquations variationnelles monotones, 1–36. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_1.
Повний текст джерела
3
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Inéquations Variationnelles." In Optimisation convexe et inéquations variationnelles monotones, 145–62. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_5.
Повний текст джерела
4
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Dualité et Inéquations Variationnelles." In Optimisation convexe et inéquations variationnelles monotones, 163–80. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_6.
Повний текст джерела
5
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Dualité, Lagrangien, Points de Selle." In Optimisation convexe et inéquations variationnelles monotones, 65–116. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_3.
Повний текст джерела
6
Crouzeix, Jean-Pierre, Abdelhak Hassouni, and Eladio Ocaña-Anaya. "Dualité et Sous-Différentiabilité." In Optimisation convexe et inéquations variationnelles monotones, 37–63. Cham: Springer Nature Switzerland, 2012. http://dx.doi.org/10.1007/978-3-031-30681-5_2.
Повний текст джерела
7
"Frontmatter." In Optimisation et analyse convexe, i—ii. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-0700-0-fm.
Повний текст джерела
8
"V.2 Optimisation à données affines (Programmation linéaire)." In Optimisation et analyse convexe, 168–71. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-0700-0-016.
Повний текст джерела
9
"IV.3. Premiers pas dans la théorie de la dualité." In Optimisation et analyse convexe, 129–64. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-0700-0-014.
Повний текст джерела
10
"VII.1. La transformation de Legendre-Fenchel." In Optimisation et analyse convexe, 271–73. EDP Sciences, 2020. http://dx.doi.org/10.1051/978-2-7598-0700-0-021.
Повний текст джерелаТези доповідей конференцій з теми "Optimisation convexe en ligne"
1
Lourenço, Pedro, Hugo Costa, João Branco, Pierre-Loïc Garoche, Arash Sadeghzadeh, Jonathan Frey, Gianluca Frison, Anthea Comellini, Massimo Barbero, and Valentin Preda. "Verification & validation of optimisation-based control systems: methods and outcomes of VV4RTOS." In ESA 12th International Conference on Guidance Navigation and Control and 9th International Conference on Astrodynamics Tools and Techniques. ESA, 2023. http://dx.doi.org/10.5270/esa-gnc-icatt-2023-155.
Повний текст джерелаАнотація:
VV4RTOS is an activity supported by the European Space Agency aimed at the development and validation of a framework for the verification and validation of spacecraft guidance, navigation, and control (GNC) systems based on embedded optimisation, tailored to handle different layers of abstraction, from guidance and control (G&C) requirements down to hardware level. This is grounded on the parallel design and development of real-time optimisation-based G&C software, allowing to concurrently identify, develop, consolidate, and validate a set of engineering practices and analysis & verification tools to ensure safe code execution of the designed G&C software as test cases but aimed at streamlining general industrial V&V processes. This paper presents: 1) a review of the challenges and the state-of-the-art of formal verification methods applicable to optimization-based software; 2) the implementation for an embedded application and the analysis from a V&V standpoint of a conic optimization solver; 3) the technical approach devised towards and enhanced V&V process; and 4) experimental results up to processor-in-the-loop tests and conclusions. In general, this activity aims to contribute to the widespread usage of convex optimisation-based techniques across the space industry by 1) augmenting the traditional GNC software Design & Development Verification & Validation (DDVV) methodologies to explicitly address iterative embedded optimisation algorithms that are paramount for the success of new and extremely relevant space applications (from powered landing to active debris removal, from actuator allocation to attitude guidance & control) guaranteeing safe, reliable, repeatable, and accurate execution of the SW; and 2) consolidating the necessary tools for the fast prototyping and qualification of G&C software, grounded on strong theoretical foundations for the solution of convex optimisation problems generated by posing, discretization, convexification, and transcription of nonlinear nonconvex optimal control problems to online-solvable optimisation problems. Sound guidelines are provided for the high-to-low level translation of mission requirements and objectives aiming at their interfacing with verifiable embedded solvers tailored for the underlying hardware and exploiting the structure present in the common optimisation/optimal control problems. To fulfil this mandate, two avenues of research and development were followed: the development of a benchmarking framework with optimisation-based G&C and the improvement of the V&V process – two radical advances with respect to traditional GNC DDVV. On the first topic, the new optimisation-based hierarchy was exploited, from high-level requirements and objectives that can be mathematically posed as optimal control problems, themselves organised in different levels of abstraction, complexity, and time-criticality depending on how close to the actuator level they are. The main line of this work is then focused on the core component of optimisation-based G&C – the optimisation solver – starting with a formal analysis of its mathematical properties that allowed to identify meaningful requirements for V&V, and, concurrently, with a thorough, step-by-step, design and implementation for embedding in a space target board. This application-agnostic analysis and development was associated with the DDVV of specific usecases of optimisation-based G&C for common space applications of growing complexity, exploring different challenges in the form of convex problem complexity (up to second-order cone programs), problem size (model predictive control and trajectory optimization), and nonlinearity (both translation and attitude control problems). The novel V&V approach relies on the combination and exploitation of the two main approaches: classical testing of the global on-board software, and local and compositional, formal, math-driven, verification. While the former sees systems as black boxes, feeding it with comprehensive inputs and analysing statistically the outputs, the latter delves deep into the sub-components of the software, effectively seeing it as white boxes whenever mathematically possible. In between the two approaches lies the optimal path to a thorough, dependable, mathematically sound verification and validation process: local, potentially application-agnostic, validation of the building blocks with respect to mathematical specifications leading up to application-specific testing of global complex systems, this time informed by the results of local validation and testing. The deep analysis of the mathematical properties of the optimisation algorithm allows to derive requirements with increasing complexity (e.g., from “the code implements the proper computations”, to higher level mathematical properties such as optimality, convergence, and feasibility). These are related to quantities of interest that can be both verified resorting to e-ACSL specifications and Frama-C in a C-code implementation of the solver, but also observed in online monitors in Simulink or in post-processing during the model/software-in-the-loop testing. Finally, the activity applies the devised V&V process to the benchmark designs, from model-in-the-loop Monte Carlo testing, followed by autocoding and software-in-the-loop equivalence testing in parallel with the Frama-C runtime analysis, and concluded by processor-in-the-loop testing in a Hyperion on-board computer based around a Xilinx Zynq 7000 SoC.
2
Peschel, U., A. Shipulin, G. Onishukov, and F. Lederer. "Optimisation of a Raman Frequency Converter based on highly Ge-doped fibres." In The European Conference on Lasers and Electro-Optics. Washington, D.C.: Optica Publishing Group, 1996. http://dx.doi.org/10.1364/cleo_europe.1996.cwg3.
Повний текст джерелаАнотація:
Many conventional long-haul transmission lines are operated at λ= 1.32µm. The problem of all-optical amplification is not solved yet for this wavelength range. In line Raman amplification seems to be promising. Unfortunately their is also no efficient light source for the Raman pump wave at λ= 1.24µm. It was proposed to generate this light by a NdYag-laser operating at λ= 1.06µm and to convert it down via a three stage rain an process. Recently some progress could be achieved by the introduction of Ge-doped fibres with low excess losses but with enhanced Raman gain. The aim of this paper is to model and to optimise a fibre resonator for this scheme (see Fig.l). The whole resonator is described by the following set of differential equations.
3
Field, David. "Sand Fill Clean-Out on Wireline Enables Access to Additional Perforation Zones in Gas Well Producer." In International Petroleum Technology Conference. IPTC, 2023. http://dx.doi.org/10.2523/iptc-23048-ea.
Повний текст джерелаАнотація:
Abstract An Australian operator wanted to explore options for wireline conveyed sand bailing in one of their offshore platform gas producing wells. The objective was to remove twenty-six meters of sand fill inside 9.625" production casing, with an internal diameter of 8.681". Due to the landing nipple at the end of the tubing, the minimum run-in-hole restriction of the production tubing string was 3.987". To limit the number of clean out runs, the latest technology in e-line deployed suction tools with a 4.25" OD was chosen, which provided increased recovery volume over its smaller cousins, plus real-time surface control and monitoring. Because of the tool's overall diameter, the landing nipple also required milling to allow access. Therefore, a specially designed 4.412" mill bit was manufactured and run on a milling tool – a tool requiring tractor conveyance to provide weight-on-bit and counter the reactive torque. As the well had low deviation, the subsequent clean-out toolstring was run standalone (without tractor). One of the key factors governing the feasibility of conducting this operation on e-line was the overall toolstring lengths, where the lubricator height was limited to approximately sixteen meters. The e-line deployed milling technology – which produces a grinding action rather than cutting – successfully milled through the landing nipple and a ball catcher in four runs, thus increasing the internal diameter sufficiently to allow access for the clean-out toolstring. A well fluid column of about seven bar is required to enable operation of the suction tool. The clean out tool was configured with three bailer sections (seven max) for the first run, to determine sand recovery optimisation. Three different sizes of micron bailer filters are provided; prior knowledge of debris particle size is therefore advantageous. In this case, a slickline bailing sand sample had been recovered, which immediately aided filter choice. Seventeen bailing runs were conducted over five days (with the number of bailer sections increased to six), successfully recovering a total of 918 litres of sand, equating to about 2.4 tons. Ultimately, the process enabled perforation of two additional gas zones to increase production. The e-line toolstring, consisting of six different sensors and robotic tools, made this a more controllable and inherently safer operation than coiled tubing methods, as well as having a smaller footprint with reduced environmental impact. Operational details, including job planning and lessons learned will be discussed in the extended abstract.
4
Murchie, Stuart William, Bård Martin Tinnen, Arne Motland, Bjarte Bore, and Peter Gaballa. "Highly Instrumented Electric Line Deployed Intervention Technology Platform Provides Precise, Controlled High Expansion Completion Manipulation Capabilities." In SPE/ICoTA Well Intervention Conference and Exhibition. SPE, 2022. http://dx.doi.org/10.2118/208987-ms.
Повний текст джерелаАнотація:
Abstract Manipulation of downhole completion components such as formation isolation valves, inflow control valves and sliding sleeves has become a regular phase of both new well initiation and existing well production optimisation scope. This often occurs in deviated and extended reach well trajectories frequently involving mono-bore completions. Although primarily done by pressure activation, electric line deployment of linear actuators that engage with associated shifting profiles of such valves and sleeves offers a secondary means of manipulation, one that is often relied upon. Deployment of these devices through smaller ID restrictions located higher up in the completion string necessitates in-situ activated high expansion anchoring and shifting capabilities. The electric line powered tractor-stroker-shifting device toolstrings capable of high deviation conveyance coupled with precise and real-time controlled completion component manipulation are desired, providing visibility throughout the operation. Furthermore, sufficient force to cover not only the shifting specification of the valve or sleeve design but also to overcome sleeve seizing commonly encountered downhole from scale or debris infringement is necessary to maximise the certainty of these operations. The technology platform presented in this paper has been designed to provide conveyance, positioning, anchoring, and high bi-directional force and stroke generation in a slim tool architecture offering high expansion shifting capability. Its downhole logic for optimised electric and hydraulic power distribution and a high degree of instrumentation and sensors has brought reliable target search, device engagement and real-time operational visibility and control to completion manipulation operations. Extensive system integration tests done on replica valve sleeves using the full tractor-stroker-shifting device toolstring to confirm the functionality and effectiveness will be described in the paper. This has been done within a reconstructed horizontal completion configuration to confirm successful string conveyance, shifting dog engagement and stroker shifting action, collaborating toolstring sensor measurements with those incorporated in the test jig configuration. A single run multi-sleeve shifting operation carried out in the North Sea will also be described, with real-time surface readout information which allowed the engineer to better understand the in-situ situation and take immediate and controlled corrective actions, circumventing a false shift scenario due to sleeve seizing and delivering an efficient operation. The seamless integration and interaction between the tractor, stroker and shifting device that make up the full manipulation toolstring assembly presented in this paper are transformative. Tractor wheels are kept in an extended mode whilst setting the stroker anchors, aiding optimal centralisation of the toolstring throughout the stroker anchoring and manipulation sequence. This reduces the risk of the shifting dogs unlatching from the profile of the completion component being manipulated as is often the case with a sequential tool operation scenario—the intervention technology platform providing a true convey-position-inspect-act-verify ethos.