Leitung:
Vladimir Spokoiny

Mitarbeiterinnen und Mitarbeiter:
Christian Bayer, Simon Breneis, Oleg Butkovsky, Pavel Dvurechensky, Wilfried Kenmoe Nzali, Alexei Kroshnin, Vaios Laschos, László Németh, Luca Pelizzari, John G. M. Schoenmakers, Aurela Shehu, Alexandra Suvorikova, Karsten Tabelow, Nikolas Tapia

Sekretariat:
Christine Schneider

Ehrenmitglieder:
Peter Friz


Gäste:
Dr. Jörg Polzehl (im Ruhestand)

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 Methoden 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.

Im Rahmen der Mathematischen Forschungsdateninitiative (MaRDI) am WIAS nimmt die Forschungsgruppe gemeinsam mit der Forschungsgruppe "Partielle Differentialgleichungen" eine wichtige Rolle ein. Die zugeordnete Arbeitsgruppe ist Teil beider Forschungsgruppen und erstellt wesentliche Beiträge zum Aufbau einer Infrastruktur für mathematische Forschungsdaten innerhalb der NFDI.


Höhepunkte

  • Der Artikel "Optimal stopping with signatures" von CH. Bayer, P. Hager, S. Riedel, J.G.M. Schoenmakers ist bei "The Annals of Applied Probability" erschienen, Volume 33(1): 238-273 (DOI:10.1214/22-AAP1814 )
  • Das neue MATH+-Projekt AA4-13 "Equilibria for Distributed Multi-Modal Energy Systems under Uncertainty" (PIs: PIs: M. Hintermüller, C. Geiersbach, P. Dvurechensky, A. Kannan (HU Berlin)) wird gefördert.
  • Der Artikel "Decentralized Local Stochastic Extra-Gradient for Variational Inequalities"von A. Beznosikov, P. Dvurechensky, A. Koloskova, V. Samsokhin, S. U Stich und A. Gasnikov wurde in die "Conference on Neural Information Processing Systems 2022" aufgenommen.
  • Der Artikel " Clipped Stochastic Methods for Variational Inequalities with Heavy-Tailed Noise" von E. Gorbunov, M. Danilova, D. Dobre, P. Dvurechensky, A. Gasnikov, G. Gidel wurde in die " Conference on Neural Information Processing Systems 2022" aufgenommen.
  • Der Artikel " The power of first-order smooth optimization for black-box non-smooth problems" von A. Gasnikov, A. Novitskii, V. Novitskii, F. Abdukhakimov, D. Kamzolov, A. Beznosikov, M. Takac, P. Dvurechenskii, and B. Gu wurde auf der " International Conference on Machine Learning 2022" vorgestellt.
  • P. Dvurechensky, B. Schmitzer und G. Steidl organisierten ein Mini-Symposium über "Multimarginal Optimal Transport"auf der SIAM 2022 Conference on Imaging Science (IS22).
  • Pavel Dvurechensky hielt einen eingeladenen Vortrag "Accelerated Alternating Minimization Methods with Application to Optimal Transport " auf dem One World Optimization Seminar ( https://owos.univie.ac.at/ ).
  • Im Rahmen der Mathematischen Forschungsdateninitiative (MaRDI) wurde je eine Stelle im Bereich der "Statistik und maschinelles Lernen" bzw. "Kooperation mit anderen Disziplinen" eingeworben.
  • Prof. Peter Friz wurde vom Math+ Vorstand mit dem "MATH+ Distinguished Fellowship " ausgezeichnet. Darin enthalten sind eine Forschungsförderung sowie durch Math+ herausgehoben präsentierte Forschungstätigkeiten. Herzlichen Glückwunsch!
  • Der Artikel "Solving optimal stopping problems via randomization and empirical dual optimization" von D. Belomestny, Ch. Bender und J.G.M. Schoenmakers ist online erschienen bei "Mathematics of Operations Research".
  • Ein neues MATH+-Projekt EF1-22 "Bayesian optimization and inference for deep networks" (PIs: V. Spokoiny, C. Schillings (HU Berlin))wird gefördert.
  • Der Artikel "An accelerated method for derivative-free smooth stochastic convex optimization" von E. Gorbunov, P. Dvurechensky und A. Gasnikov wird bei "SIAM Journal on Optimization" erscheinen.
  • Der Artikel "Generalized self-concordant analysis of Frank-Wolfe algorithms" von 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 "Approximation of SDEs: A stochastic sewing approach" von O. Butkovsky, K. Dareiotis, M. Gerencser ist bei "Probability theory and related fields " erschienen, Volume 181.4, 2021: 975-1034. (DOI: https://doi.org/10.1007/s00440-021-01080-2 )
  • 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)