McKean--Vlasov
PulseAugur coverage of McKean--Vlasov — every cluster mentioning McKean--Vlasov across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
使用强化学习的扩展平均场控制新框架
研究人员为连续时间扩展平均场控制问题开发了一个新颖的无模型强化学习框架。该方法利用确定性反馈策略，通过直接诱导状态-动作分布来简化优化。该框架建立了McKean-Vlasov动力学的无模型敏感性公式，并在Wasserstein空间上推导了确定性策略梯度。它结合了局部值和优势率表示，从而得到一个同时包含动作和度量导数项的策略梯度，并通过连续时间深度确定性策略梯度算法实现。
-
研究人员分析噪声Transformer模型的相变
研究人员发表了一篇论文，详细介绍了任意维度噪声Transformer模型中的相变。该研究侧重于McKean-Vlasov自由能，并建立了全局最小化二分法。这项工作利用先进的数学不等式和计算，将先前二维的研究结果扩展到更高维度。
-
新的生成框架学习带软律约束的随机动力学
研究人员开发了一种新的生成框架，用于学习随机动力学，尤其适用于涉及分布观测的任务。该方法将生成视为一个 McKean-Vlasov 控制问题，通过软能量约束来强制执行终端和时间边际律。该方法利用了前向-后向随机微分方程 (FBSDE) 求解器，该求解器已在分布基准和更高维度的潜在空间中进行了评估，用于人脸操控和人体运动合成等任务。
-
新AI框架MF-PID统一生成模型和多智能体控制
研究人员推出了一种新颖的框架——均值场路径积分扩散（MF-PID），该框架将生成的样本视为通过群体统计信息进行协调的交互式智能体。这种方法将概率质量传输转化为随机最优传输问题，从而统一了生成模型和多智能体控制。MF-PID在特定领域展现了有效性，包括线性二次高斯（Linear-Quadratic-Gaussian）基准测试和高斯混合模型（Gaussian-mixture）领域，并在能源系统需求响应控制等应用中显示出潜力。