宋晨晓;赖一郎·卡瓦伊 批量自适应方差减少。 （英语） Zbl 1515.65015号 ACM事务处理。模型。计算。模拟。 33，第1-2条，第3条，第24页（2023年）. 引用于2文件 MSC公司： 65二氧化碳 蒙特卡罗方法 62L20型 随机近似 93E35型 随机学习与自适应控制 关键词：方差减少;随机近似;配料;重要性抽样;控制变量 软件：阿达格拉德 PDF格式BibTeX公司 XML格式引用 \textit{C.Song}和\textit{R.Kawai}，ACM Trans。模型。计算。模拟。33，第1--2号，第3条，第24页（2023年；Zbl 1515.65015） 全文： 内政部 参考文献： [1] Alexopoulos，Christos和Goldsman，David。2004.批处理还是不批处理？ACM建模与计算机仿真汇刊14，1（2004），76-114·Zbl 1390.65018号 [2] 布哈里·阿鲁纳，2004年。自适应蒙特卡罗方法，一种方差减少技术。蒙特卡罗方法与应用10，1（2004），1-24·Zbl 1063.65003号 [3] Au，S.K.和Beck，J.L.，1999年。可靠性计算的一种新的自适应重要性抽样方案。《结构安全》21，2（1999），135-158。 [4] Borkar，Vivek S.，1997年。具有两个时间尺度的随机近似。《系统与控制信件》29，5（1997），291-294·Zbl 0895.62085号 [5] Chiahon Chien、Goldsman、David和Benjamin Melamed。1997年。批量平均值的大样本结果。《管理科学》43，9（1997年9月），1288-1295·Zbl 1043.90512号 [6] Chu，Fang和Nakayama，Marvin K.，2012年。应用方差减少技术时分位数的置信区间。ACM《建模与计算机仿真汇刊》22，2（2012），1-25·Zbl 1386.65015号 [7] 哈利姆·达默吉。1994.稳态模拟输出分析中方差估计器的强一致性。《运筹学数学》19，2（1994），494-512·Zbl 0803.65147号 [8] 杜奇（Duchi）、约翰（John）、哈赞（Hazan）、伊拉德（Elad）和辛格（Singer）、约拉姆（Yoram）。2011.在线学习和随机优化的自适应次梯度方法。《机器学习研究杂志》12（2011），2121-2159·Zbl 1280.68164号 [9] 弗兰克·格罗特曼。2008.结构可靠性的自适应径向重要性抽样方法。《结构安全》30，6（2008），533-542。 [10] 弗兰克·格罗特曼。2011.结构可靠性的自适应方向重要性抽样方法。概率工程力学26，2（2011），134-41。 [11] 谢恩·亨德森和伯特·西蒙。2004。使用完美控制变量的自适应模拟。《应用概率杂志》41，3（2004），859-876。http://www.jstor.org/stable/4141358。 ·Zbl 1074.65004号 [12] 姜广新、徐成龙和傅Michael C.，2016。基于Lévy过程的金融衍生品定价中确定最佳重要抽样参数的样本平均近似算法。《运营研究快报》44，1（2016），44-49·Zbl 1408.91233号 [13] Reiichiro Kawai。2007.采用双时间尺度随机近似的自适应蒙特卡罗方差减少。蒙特卡罗方法与应用13，3（2007）·Zbl 1128.65002号 [14] Reiichiro Kawai。2008.利用双时间尺度随机近似对Lévy过程进行自适应蒙特卡罗方差减少。《应用概率的方法与计算》10，2（2008），199-223·Zbl 1146.65012号 [15] Reiichiro Kawai。2009.通过随机近似法搜索Lévy过程的最佳重要抽样参数。SIAM J.数字。分析47，1（2009年1月），293-307·Zbl 1190.65009号 [16] Reiichiro Kawai。2010.分层抽样的渐进最优分配，分层自适应方差减少。ACM建模与计算机仿真汇刊20，2（2010），1-17·Zbl 1386.65019号 [17] Reiichiro Kawai。2017.使用样本平均值近似加速自适应重要性采样。SIAM科学计算杂志39，4（2017），A1586-A1615。arXiv:·Zbl 1372.65005号 [18] Reiichiro Kawai。2017.通用多元概率定律的自适应重要性抽样蒙特卡罗模拟。J.计算。申请。数学319（2017），440-459·Zbl 1360.65044号 [19] Reiichiro Kawai。2018年，通过随机近似优化自适应重要性抽样。SIAM科学计算杂志40，4（2018），A2774-A2800。arXiv:·Zbl 1396.65009号 [20] 川井理一郎。2020.自适应重要性采样和控制变量。数学杂志。分析。申请483，1（2020），123608·Zbl 07138453号 [21] Kim、Sujin和Henderson，Shane G.，2007年。有限时域仿真的自适应控制变量。《运筹学数学研究》32，3（2007年8月），508-527·Zbl 1279.65008号 [22] 哈罗德·库什纳（Harold J.Kushner）和尹（G.George Yin），2003年。随机逼近和递归算法及其应用。纽约施普林格·Zbl 1026.62084号 [23] 拉佩尔、伯纳德和勒隆、杰罗姆。2011年，自适应蒙特卡罗程序框架。蒙特卡罗方法与应用17，1（2011），1569-3961·Zbl 1223.65003号 [24] Lemaire，Vincent和Pagès，Gilles。2010.无约束递归重要性抽样。《应用概率年鉴》20，3（2010），1029-1067·Zbl 1207.65007号 [25] Mamalis、Theodoros、Stipanovic、Dusan和Petros的Voulgaris。2021.使用随机学习率加速非凸随机梯度下降的近似收敛速度。arXiv:2110.12634（2021）。 [26] Mamalis、Theodoros、Stipanovic、Dusan和Petros的Voulgaris。2021.随机近似和在线学习设置中的随机学习率优化。arXiv:2110.10710（2021）。 [27] Marvin K.Nakayama，2014年。应用方差减少技术时使用分段的分位数的置信区间。ACM《建模与计算机仿真汇刊》24，4（2014），1-21·Zbl 1322.68251号 [28] 尤里·内斯特罗夫。1983.收敛速度为（O（1/k^2）的无约束凸极小化问题的一种方法。Doklady ANSSR（译为苏维埃数学博士）269（1983），543-547。 [29] Atsushi Nitanda。2016.用于最小化有限和的加速随机梯度下降。《第19届国际人工智能与统计会议论文集》（机器学习研究论文集），Gretton、Arthur和Robert，Christian C.（编辑），第51卷。西班牙加的斯PMLR，195-203年。http://proceedings.mlr.press/v51/nitanda16.html。 [30] 哦，Man-Suk和Berger，James O.，1992年。蒙特卡洛积分中的自适应重要性采样。《统计计算与模拟杂志》41，3-4（1992），143-168·Zbl 0781.65016号 [31] 潘、齐云、拜恩、恩欣、高、杨明扬和林亨利。2020年。使用随机黑盒计算机模型进行极端分位数估计的自适应重要性抽样。《海军研究后勤》67，7（2020），524-547·Zbl 1523.90104号 [32] Polyak，B.T.和Juditsky，A.B.，1992年。通过平均加速随机近似。SIAM控制与优化杂志30，4（1992），838-855·Zbl 0762.62022号 [33] 钱宁。1999.关于梯度下降学习算法中的动量项。神经网络12，1（1999），145-151。 [34] Ross，Sheldon M.和Lin，Kyle Y.，2001年。在排队模拟中应用方差减少思想。工程和信息科学中的概率15（2001），481-494·Zbl 0990.65008号 [35] 布鲁斯·施梅瑟。1982.模拟输出分析中的批量效应。《运营研究》30，3（1982），556-568·兹伯利048465087 [36] Shapiro，A.、Dentcheva，D.和Ruszczynski，A.，2009年。随机编程讲座。工业和应用数学学会。arXiv:·邮编：1183.90005 [37] Tsai、Shing Chih、Luo、Jun、Jiang、Guangxin和Yeh、Wei Cheng。2022.具有线性和非线性控制变量的自适应全序列选择程序。IISE交易。内政部：。 [38] 吴晓霞（Wu）、沃德（Ward）、瑞秋（Rachel）和波图（Bottou）、利昂（Leon）。2018.WNGrad：学习梯度下降中的学习率。arXiv:1803.02865（2018）。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。