Resumen

El modelo de minimización de residuos esperados (ERM), que minimiza una función de residuos esperados definida por una función NCP, ha sido estudiado en la literatura para resolver problemas de complementariedad estocástica. En este artículo, primero damos las definiciones de la función estocástica -función, la función estocástica -función y la función estocástica uniformemente -función. Además, se consideran las condiciones bajo las cuales la función es una función estocástica -función. Luego estudiamos la acotación del conjunto de soluciones y los límites de error global de las funciones de residuos esperados definidas por la función Fischer-Burmeister (FB) y la función min. La conclusión indica que las soluciones del modelo ERM son robustas en el sentido de que pueden tener una sensibilidad mínima con respecto a las variaciones de parámetros aleatorios en problemas de complementariedad estocástica. Por otro lado, empleamos métodos cuasi-Monte Carlo y métodos sin derivadas para resolver el modelo ERM.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Minimización de residuos esperados; Modelo ERM; Problemas de complementariedad estocástica; Función NCP; Función Fischer-Burmeister; Métodos cuasi-Monte Carlo
• Keywords:Expected residual minimization; ERM model; Stochastic complementarity problems; NCP function; Fischer-Burmeister function; Quasi-Monte Carlo methods