Leitung:
Vladimir Spokoiny

Mitarbeiterinnen und Mitarbeiter:
Christian Bayer, Franz Besold, Simon Breneis, Oleg Butkovsky, Pavel Dvurechensky, Alexei Kroshnin, Vaios Laschos, William Salkeld, John G. M. Schoenmakers, Alexandra Suvorikova, Karsten Tabelow, Nikolas Tapia, Yannic Vargas

Sekretariat:
Christine Schneider

Ehrenmitglieder:
Peter Friz


Die Forschungsgruppe Stochastische Algorithmen und Nichtparametrische Statistik konzentriert sich auf zwei mathematische Forschungsgebiete, die statistische Datenanalyse und stochastische Modellierung, Optimierung und Algorithmen. Die Projekte der Gruppe beschäftigen sich mit aktuellen Anwendungen vor allem in der Ökonomie und den Lebenswissenschaften. Die Projekte ordnen sich vor allem in die Hauptanwendungsgebiete Optimierung und Steuerung in Technik und Wirtschaft und Quantitative Biomedizin des WIAS ein.

Die mathematische Forschung in der Gruppe beinhaltet vor allem

  • die Modellierung komplexer Systeme mit Methoden der nichtparametrischen Statistik,
  • statistisches Lernen,
  • Risikobewertung,
  • Bewertungen in Finanzmärkten mittels effizienter stochastischer Algorithmen und
  • verschiedene Methoiden aus der klassischen, stochastischen, und rough path Analysis.

Die Forschungsgruppe enthält die Fokusplattform Quantitative analysis of stochastic and rough systems. Die Forschung der Gruppe trägt zur Entwicklung statistischer Software bei, besonders im Bereich der Bildverarbeitung in den Neurowissenschaften.


Höhepunkte

  • Der Artikel "An accelerated method for derivative-free smooth stochastic convex optimization" by E. Gorbunov, P. Dvurechensky, und A. Gasnikov wird bei "SIAM Journal on Optimization" erscheinen.
  • Der Artikel "Generalized self-concordant analysis of Frank-Wolfe algorithms" by P. Dvurechensky, K. Safin, S. Shtern, und M. Staudigl wird bei "Mathematical Programming" erscheinen.
  • Ein neues MATH+-Projekt AA4-9 "Volatile electricity markets and battery storage: A model based approach for optimal control" (PIs: Ch. Bayer, D. Kreher (HU Berlin) und M. Landstorfer) wird gefördert.
  • Ein neues MATH+-Projekt EF3-11 "Quantitative tissue pressure imaging via PDE-informed assimilation of MR data" (PIs: A. Caiazzo, K. Tabelow und I. Sack (Charité Berlin)) wird gefördert.
  • Das MATH+-Projekt AA4-2 "Optimal control in energy markets using rough analysis and deep networks" (PIs: Ch. Bayer, P. Friz, J. Schoenmakers und V. Spokoiny) wurde bis zum 31.03.2025 verlängert.
  • Darina Dvinskikh verteidigte am 18. August 2021 ihre Dissertation mit dem Prädikat summa cum laude.
  • Der Artikel "On a combination of alternating minimization and Nesterov's momentum" von S. Guminov, P. Dvurechensky, N. Tupitsa, and A. Gasnikov wurde auf der "International Conference on Machine Learning 2021." präsentiert (WIAS-Preprint 2695)
  • Der Artikel "Newton method over networks is fast up to the statistical precision" von A. Daneshmand, G. Scutari, P. Dvurechensky, and A. Gasnikov) wurde auf der "International Conference on Machine Learning 2021." präsentiert ..
  • Der Artikel "Statistical inference for Bures-Wasserstein barycenters" von A. Kroshnin, V. Spokoiny, A. Suvorikova ist bei "The Annals of Applied Probability " erschienen, Volume 31(3): 1264-1298 (DOI: 10.1214/20-AAP1618)