Gaussian Approximation and Multiplier Bootstrap for Polyak-Ruppert Averaged Linear Stochastic Approximation with Applications to TD Learning

S. Samsonov; E. Moulines; Shao Q.; Zhang Z.; A. Naumov

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

17 сентября 2026 г.

<a>НИУ ВШЭ представил в Китае исследование о безопасности нейросетей для анализа видео

Ученые Высшей школы экономики презентавали на международной конференции ChinaMM 2026 в Китае исследование о том, как искажения при передаче видео влияют на работу нейросетей. Авторы предложили новый способ проверять устойчивость таких моделей в условиях, близких к реальному использованию видеосервисов.

16 сентября 2026 г.

Пользующиеся ИИ сотрудники зарабатывают на 41% больше

Экономисты НИУ ВШЭ выяснили, что российские сотрудники, которые регулярно пользуются искусственным интеллектом в работе, зарабатывают намного больше тех, кто отказывается от новых инструментов или прибегает к ним время от времени. Среди высококвалифицированных специалистов прибавка достигает 41,8%. Статья опубликована в журнале «Вопросы экономики».

16 сентября 2026 г.

Ученые НИУ ВШЭ - Санкт-Петербург разработали новые соединения для борьбы с раком

Ученые Лаборатории био- и хемоинформатики НИУ ВШЭ — Санкт-Петербург совместно с коллегами из Университета Цзинань (Китай) и Санкт-Петербургского государственного технологического института разработали малые молекулы, преодолевающие химическую защиту раковых клеток. В отличие от классических ингибиторов, которые только блокируют активность белка, новые соединения удаляют его целиком. Работа ведется при поддержке Российского научного фонда.

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации

?

Gaussian Approximation and Multiplier Bootstrap for Polyak-Ruppert Averaged Linear Stochastic Approximation with Applications to TD Learning

P. 12408–12460.

Самсонов С. В., Мулине Э. Ф., Shao Q., Zhang Z., Наумов А. А.

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: stochastic approximation Gaussian approximation Multiplier bootstrap Polyak-Ruppert averaging

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Разработка и теоретический анализ новых эффективных стохастических алгоритмов машинного обучения (2024)

В книге

38th Conference on Neural Information Processing Systems (NeurIPS 2024)

[б.и.], 2024.

On the rate of Gaussian approximation for online linear regression problems

Шешукова М. Е., Durmus A., Khusainov M. и др., Statistics 2026 P. 1–25

Добавлено: 4 сентября 2026 г.

Gaussian Approximation and Multiplier Bootstrap for Federated Linear Stochastic Approximation

Левин И. В., Шуклин М. В., Moulines E. и др., , in: Proceedings of the 42nd Conference on Uncertainty in Artificial Intelligence (UAI), PMLR Volume 337, 17-21 August 2026, KIT, Amsterdam, the NetherlandsVol. 337.: Proceedings of Machine Learning Research , 2026. Ch. 134 P. 3487–3545.

Добавлено: 4 сентября 2026 г.

Gaussian Approximation for Two-Timescale Linear Stochastic Approximation

Bogdan Butyrin, Artemy Rubtsov, Наумов А. А. и др., , in: Proceedings of the AAAI Conference on Artificial Intelligence. AAAI-26: AAAI Technical Track on Planning, Routing, and Scheduling; AAAI Technical Track on Reasoning under Uncertainty; AAAI Technical Track on Search and Optimization. Main Track, volume 40 no. 43.: American Association for Artificial Intelligence (AAAI) Press, 2026. P. 36627–36635.

Добавлено: 26 января 2026 г.

Local Limit Theorems and Strong Approximations for Robbins-Monro Procedures

Конаков В. Д., Mammen E., Huang L., Statistics 2026 Vol. 60 No. 2 P. 449–485

Добавлено: 26 ноября 2025 г.

Stochastic approximation versus sample average approximation for Wasserstein barycenters

Двинских Д. М., Optimization Methods and Software 2022 Vol. 37 No. 5 P. 1603–1635

Добавлено: 27 марта 2024 г.

Fast incremental expectation maximization for finite-sum optimization: nonasymptotic convergence

Fort G., Gach P., Мулине Э. Ф., Statistics and Computing 2021 Article 48

Добавлено: 9 декабря 2021 г.

On stochastic gradient Langevin dynamics with dependent data streams in the logconcave case

Barkhagen M., Chau N. H., Мулине Э. Ф. и др., Bernoulli: a journal of mathematical statistics and probability 2021 Vol. 27 No. 1 P. 1–33

Добавлено: 9 декабря 2021 г.

Finite Time Analysis of Linear Two-timescale Stochastic Approximation with Markovian Noise

Каледин М. Л., Мулине Э. Ф., Наумов А. А. и др., , in: Proceedings of Machine Learning ResearchVol. 125: Proceedings of Thirty Third Conference on Learning Theory.: [б.и.], 2020. P. 2144–2203.

Добавлено: 30 июля 2020 г.