Loading [MathJax]/jax/output/CommonHTML/config.js
Информатика и её применения
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Информ. и её примен.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Информатика и её применения, 2018, том 12, выпуск 2, страницы 60–68
DOI: https://doi.org/10.14357/19922264180209
(Mi ia533)
 

Эта публикация цитируется в 4 научных статьях (всего в 4 статьях)

Алгоритм визуализации плоского ядра вероятностной меры

С. Н. Васильева, Ю. С. Кан

Московский авиационный институт (национальный исследовательский университет)
Список литературы:
Аннотация: Предлагается алгоритм построения многогранной аппроксимации ядра вероятностной меры для двумерного случайного вектора с независимыми компонентами. Ядро является одним из важных понятий, используемых в алгоритмах решения задач стохастического программирования с вероятностными критериями. Наиболее эффективно ядро применяется в случаях, когда постановки указанных задач имеют свойство линейности по отношению к случайным параметрам. В силу линейности максимум по случайным параметрам определяется путем перебора всех вершин аппроксимирующего многогранника. Предложенный в статье алгоритм основан на построении пересечения конечного числа доверительных полупространств, параметры которых оцениваются методом Монте Карло. Результатом работы предложенного алгоритма является определение множества вершин аппроксимирующего многогранника. Аппроксимация ядра является их выпуклой оболочкой. Приводятся результаты расчетов для ряда типовых непрерывных законов распределения.
Ключевые слова: задача квантильной оптимизации; метод линеаризации; ядро вероятностной меры.
Финансовая поддержка Номер гранта
Министерство образования и науки Российской Федерации 2.2461.2017/ПЧ
Российский фонд фундаментальных исследований 15-08-02833_а
Результаты работы получены в рамках выполнения государственного задания Минобрнауки № 2.2461.2017/ПЧ, а также при финансовой поддержке РФФИ (проект 15-08-02833а).
Поступила в редакцию: 26.04.2017
Реферативные базы данных:
Тип публикации: Статья
Образец цитирования: С. Н. Васильева, Ю. С. Кан, “Алгоритм визуализации плоского ядра вероятностной меры”, Информ. и её примен., 12:2 (2018), 60–68
Цитирование в формате AMSBIB
\RBibitem{VasKan18}
\by С.~Н.~Васильева, Ю.~С.~Кан
\paper Алгоритм визуализации плоского ядра вероятностной меры
\jour Информ. и её примен.
\yr 2018
\vol 12
\issue 2
\pages 60--68
\mathnet{http://mi.mathnet.ru/ia533}
\crossref{https://doi.org/10.14357/19922264180209}
\elib{https://elibrary.ru/item.asp?id=35161784}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/ia533
  • https://www.mathnet.ru/rus/ia/v12/i2/p60
  • Эта публикация цитируется в следующих 4 статьяx:
    1. R Torishnyi, V Sobol, “Smooth approximation of probability and quantile functions: vector generalization and its applications”, J. Phys.: Conf. Ser., 1925:1 (2021), 012034  crossref
    2. А. И. Кибзун, С. В. Иванов, А. С. Степанова, “Построение доверительного множества поглощения в задачах анализа статических стохастических систем”, Автомат. и телемех., 2020, № 4, 21–36  mathnet  crossref; A. I. Kibzun, S. V. Ivanov, A. S. Stepanova, “Construction of confidence absorbing set for analysis of static stochastic systems”, Autom. Remote Control, 81:4 (2020), 589–601  crossref  isi  elib
    3. Ю. С. Кан, “Расширение задачи квантильной оптимизации с линейной по случайным параметрам функцией потерь”, Автомат. и телемех., 2020, № 12, 67–81  mathnet  crossref; Yu. S. Kan, “An extension of the quantile optimization problem with a loss function linear in random parameters”, Autom. Remote Control, 81:12 (2020), 2194–2205  crossref  isi  elib
    4. С. Н. Васильева, Ю. С. Кан, “Аппроксимация вероятностных ограничений в задачах стохастического программирования с использованием ядра вероятностной меры”, Автомат. и телемех., 2019, № 11, 93–107  mathnet  crossref; S. N. Vasil'eva, Yu. S. Kan, “Approximation of probabilistic constraints in stochastic programming problems with a probability measure kernel”, Autom. Remote Control, 80:11 (2019), 2005–2016  crossref  isi  elib
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Информатика и её применения
    Статистика просмотров:
    Страница аннотации:308
    PDF полного текста:111
    Список литературы:43
     
      Обратная связь:
    math-net2025_01@mi-ras.ru
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2025