机译:考虑到鲁棒决策中搜索阶段的鲁棒性:多目标鲁棒决策,多场景多目标鲁棒决策的比较,以及许多客观鲁棒优化
机译:遗传稳健性,环境稳健性,网络稳健性及其在生物网络中表型稳健性之间的权衡取舍的统一数学框架。第三部分:合成生物学中的合成基因网络
机译:遗传稳健性,环境稳健性,网络稳健性及其在生物网络中表型稳健性之间的权衡的统一数学框架第一部分:系统和进化生物学中的基因调控网络
机译:强大的可靠性或可靠的鲁棒性?综合考虑稳健性和可靠性方面
机译:对神经网络的对抗鲁棒性和强大的元学习
机译:遗传稳健性环境稳健性网络稳健性及其在生物网络中表型稳健性之间的权衡的统一数学框架第一部分:系统和进化生物学中的基因调控网络
机译:评估鲁棒机构设计的条件摘要:我们评估了鲁棒机构设计文献中确定的不同条件的强度。我们关注三个条件:事后激励兼容性,强大的单调性和强大的可测量性。事后激励兼容性已被证明对于任何稳健实现的概念都是必要的,而稳健单调性和鲁棒可测量性已被证明分别对于健壮(完全)精确和虚拟实现是必要的。本文表明,虽然违反事后激励兼容性和强健单调性的行为不容易消失,但我们在环境中确定了一个温和的条件,在这些环境中,所有社会选择函数都满足一阶类型的开放和密集子集的鲁棒可测量性。我们得出结论,确切地说,健壮的虚拟实现可以比强大的精确实现更加宽松。