Comparing Deep Reinforcement Learning Approaches for Sparse Reward Settings with Discrete State-Action Spaces

One of the most challenging types of environments for a Deep Reinforcement Learning agent to learn in are those with sparse reward functions. There exist algorithms that are designed to perform well in settings with sparse rewards, but they are often applied to continuous state-action spaces, since economically relevant problems like robotic...

Time Integration Parallel in Time

In this paper the research behind the parallelization on the GPU of the time parallel time integration method Parareal. Firstly, the theory behind Parareal and its convergence theorems will be detailed. Then, two test models, the Lorenz system and Heat diffusion equation, will be introduced. Additionally, the derivation of the Forward Euler and...

Het inverteerbaar maken van matrices (Restricted Invertibility)

Matrices zijn objecten die vrij centraal staan in de studie der wiskunde. Ze worden gebruikt om data te representeren, zoals grafen en stelsels van lineaire vergelijkingen. Soms kan het handig zijn om zo'n willekeurige matrix te kunnen benaderen met een 'schaarse' of 'gestructureerde' matrix. Nadruk ligt hierbij op het feit dat de benadering...

Statistical analysis of newspaper headlines with optimization

Sparse principal component analysis

Principal component analysis (PCA) is a widespread exploratory data analysis tool. Sparse principal component analysis (SPCA) is a method that improves upon PCA by increasing the number of zeros in the loading vectors of PCA results. This makes the results more understandable and more usable. This bachelor's thesis introduces both methods, and...

Dantzig Selector: Het schatten van een sparse parametervector met weinig metingen - Dantzig Selector: Statistical estimation of a sparse vector with undersampled data

Bij lineaire regressie geldt in het algemeen, dat het aantal metingen (n) groter is dan het aantal parameters (p). In praktische situaties kan het echter voorkomen, dat het aantal metingen veel kleiner is dan het aantal parameters. De kleinste kwadratenschatter kan in dat geval niet gebruikt worden om de parametervector te schatten, er is geen...