Розглянуто зв'язки між задачами двоетапного стохастичого програмування, проблемами визначення робастних рішень, робастними методами у статистиці та машинному навчанні. В умовах невизначеності, а також можливого настання екстремальних подій і ситуацій, ці задачі потребують розгляду та оптимізації систем із квантильними критеріями, обмеженнями та індикаторами якості результатів (функціями збитків). Задачі двоетапної стохастичної оптимізації можна ефективно розв'язати ітеративними методами стохастичних квазіградієнтів (SQG). Методи SQG надають змогу розв'язувати негладкі, можливо розривні та неопуклі задачі машинного навчання, наприклад, задачі квантильної регресії та навчання нейронної мережі. Такі поняття, як допустимі розв'язки, оптимальність та робастність у загальних задачах прийняття рішень визначаються конкретною ситуацією прийняття рішень. Задачі робастного статистичного оцінювання та машинного навчання можна інтегрувати у задачі планування дисциплінарних і міждисциплінарних систем, як-от: систем землекористування, сільськогосподарських, енергетичних, тих, що слугують для підтримки прийняття робастних рішень в умовах невизначеностей, зростаючих системних залежностей і невідомих ризиків.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Єрмольєв Юрій Михайлович (1936–2022) (фізико-математичні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"