filmov
tv
Все публикации
1:42:39
Вечер воспоминаний о Вадиме Александровиче Малышеве, 27 апреля 2023 года.
1:58:27
Семинар Б.Т. Поляка по оптимизации. Эдуард Горбунов 'Стохастическая гладкая оптимизация' 14/03/2023
4:41:00
Вечер воспоминаний о Борисе Теодоровиче Поляке 17 февраля
1:01:37
Ф.С.Стонякин 'Правила остановки методов градиентного типа при аддитивных ошибках градиента'
1:32:20
О.Н. Граничин Распред. рандомизированный алгоритм стох. аппрокс. при произвольных внешних помехах
1:22:36
А. Коротин Параметрические методы вычисления оптимальных транспортных отображений, расстояний
1:37:44
Дмитрий Камзолов Дэмпфированный Метод Ньютона с глобальной сходимостью O(1/k^2)
1:07:43
Р. Хильдебранд Гибридный метод решения конических задач с линейными ограничениями типа неравенства
1:28:07
И.В. Оселедец, Методы обучения глубоких нейронных сетей больших размерностей. Сириус 2022
1:37:41
А.А. Шананин В круге идей Л.В. Канторовича. Сириус 2022
0:47:45
Сириус 2022. Гасников Седловые задачи. Обзор, часть 2
0:38:20
Сириус октябрь 2022. Гасников А.В. Седловые задачи. Обзор. часть 1
0:38:45
Сириус 2022. Двинских Д.М. Безградиентные методы для негладких задач. Федеративное обучение
1:10:23
Ю. В. Авербух 'Игры среднего поля с конечным числом состояний. Подход на основе теории управления'
1:12:44
Д. Тяпкин 'Рандомизированный оптимизм в обучении с подкреплением'
1:35:33
Антон Проскурников Консенсус и сходимость в алгоритмах усреднения
1:22:42
А.Н.Безносиков 'Распределенные методы для решения вариационных неравенств'
1:46:04
Эдуард Горбунов 'Методы, использующие градиентный клиппинг...'
1:26:43
А.А.Шананин 'Анализ спроса на потребительский кредит в России в условиях санкций'
1:32:35
Gesualdo Scutari 'Bringing Statistical Thinking in Distributed Optimization'
1:24:15
Роланд Хильдебранд 'Линейное программирование. Метод внутренней точки''
1:28:10
Роланд Хильдебранд 'Линейное программирование. Симплекс-метод.'
1:27:11
Роланд Хильдебранд, Линейное программирование. Теоретическая часть
1:50:17
Григорий Малиновский Ускоренная комм. сложность для локальных методов
Вперёд