Statistical inference for Linear Stochastic Approximation with Markovian Noise

S. Samsonov; M. Sheshukova; Moulines E.; A. Naumov

АБВ
АБВ
АБВ

Обычная версия сайта

Приоритетные направления

по году

Тематика

Новости

30 октября 2026 г.

«Объект наших исследований - суперкомпьютер»

Феликс Смирнов занимается суперкомпьютерными технологиями, чтобы помогать другим ученым в их работе. В интервью проекту «Молодые ученые Вышки» он рассказал о настройке коммуникаций между узлами, своем увлечении кинематографом и о старых вывесках на Хитровке.

29 октября 2026 г.

Как прогнозировать будущее науки и технологий

Лаборатория исследований науки и технологий, действующая в структуре Института статистических исследований и экономики знаний НИУ ВШЭ, изучает текущее состояние научных исследований и разработок, анализирует тренды и их динамику, что позволяет понимать масштаб вызовов, связанных с применением новейших технологий, определять приоритеты будущих работ, формировать научную и промышленную политику. Новостная служба «Вышка.Главное» побеседовала с заведующей лабораторией Лилианой Проскуряковой и директором Форсайт-центра ИСИЭЗ Александром Соколовым.

29 октября 2026 г.

Плоская модель местности скрыла от симулятора потерю связи между машинами

Исследователи МИЭМ ВШЭ показали, что популярные симуляторы связи между автомобилями заметно переоценивают ее надежность, потому что считают рельеф местности плоским. Если учесть рельеф, мосты и туннели, доля потерянных соединений на горном серпантине вырастает с 21 до 30%, у эстакады — с 20 до 33%, а в туннеле — с нуля до 80%.Результаты опубликованы в журнале Future Transportation.

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

Публикации

?

Statistical inference for Linear Stochastic Approximation with Markovian Noise

P. 174565–174626.

Самсонов С. В., Шешукова М. Е., Moulines E., Наумов А. А.

Язык: английский

Полный текст

Текст на другом сайте

Ключевые слова: Markovian noise linear stochastic approximation

В книге

39th Conference on Neural Information Processing Systems (NeurIPS 2025)

NeurIPS, 2025.

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: Conference on Uncertainty in Artificial Intelligence, 17-21 August 2026, KIT, Amsterdam, the NetherlandsVol. 337.: MLResearchPress, 2026. Ch. 134 P. 3487–3545.

Добавлено: 4 сентября 2026 г.

High-Order Error Bounds for Markovian LSA with Richardson–Romberg Extrapolation

Левин И. В., Наумов А. А., Самсонов С. В., , 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. 36696–36704.

Добавлено: 17 апреля 2026 г.

SCAFFLSA: Taming Heterogeneity in Federated Linear Stochastic Approximation and TD Learning

Mangold P., Самсонов С. В., Labbi S. и др., , in: 38th Conference on Neural Information Processing Systems (NeurIPS 2024).: [б.и.], 2024. Ch. 37 P. 13927–13981.

Добавлено: 11 февраля 2025 г.

Improved High-Probability Bounds for the Temporal Difference Learning Algorithm via Exponential Stability

Самсонов С. В., Тяпкин Д. Н., Наумов А. А. и др., , in: Proceedings of Machine Learning Research. Volume 247: The Thirty Seventh Annual Conference on Learning Theory, 30-3 July 2023, Edmonton, Canada.: PMLR, 2024. Ch. 247 P. 4511–4547.

Добавлено: 13 октября 2024 г.

Finite-Time High-Probability Bounds for Polyak–Ruppert Averaged Iterates of Linear Stochastic Approximation

Durmus A., Мулине Э. Ф., Наумов А. А. и др., Mathematics of Operations Research 2025 Vol. 50 No. 2 P. 935–964

Добавлено: 13 июля 2022 г.

Tight High Probability Bounds for Linear Stochastic Approximation with Fixed Stepsize

Durmus A., Мулине Э. Ф., Наумов А. А. и др., , in: Advances in Neural Information Processing Systems 34 (NeurIPS 2021).: Curran Associates, Inc., 2021. P. 30063–30074.

This paper provides a non-asymptotic analysis of linear stochastic approximation (LSA) algorithms with fixed stepsize. This family of methods arises in many machine learning tasks and is used to obtain approximate solutions of a linear system $\bar{A}\theta = \bar{b}$ for which $\bar{A}$ and $\bar{b}$ can only be accessed through random estimates $\{({\bf A}_n, {\bf b}_n): ...

Добавлено: 17 февраля 2022 г.

On the Stability of Random Matrix Product with Markovian Noise: Application to Linear Stochastic Approximation and TD Learning

Durmus A., Мулине Э. Ф., Наумов А. А. и др., , in: Proceedings of Machine Learning ResearchVol. 134: Conference on Learning Theory.: PMLR, 2021. P. 1711–1752.

Добавлено: 6 августа 2021 г.