Gradient-based optimisation of the conditional-value-at-risk using the multi-level Monte Carlo method

In this work, we tackle the problem of minimising the Conditional-Value-at-Risk (CVaR) of output quantities of complex differential models with random input data, using gradient-based approaches in combination with the Multi-Level Monte Carlo (MLMC) method. In particular, we consider the framework o...

Celý popis

Podrobná bibliografie

Vydáno v:	Journal of computational physics Ročník 495; s. 112523
Hlavní autoři:	Ganesh, Sundar, Nobile, Fabio
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Inc 15.12.2023
Témata:	CVaR Gradient descent Multilevel Monte Carlo methods Optimisation under uncertainty Uncertainty quantification VaR Uncertainty quantification Gradient descent CVaR Multilevel Monte Carlo methods VaR Optimisation under uncertainty
ISSN:	0021-9991, 1090-2716
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!