Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Mengmeng Li

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

Source officielle

https://people.epfl.ch/mengmeng.li?lang=fr

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (3)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Unités associées (1)

Chaire analyse de risque et optimisation

EPFL
CDM
MTEI
RAO

A Large Deviations Perspective on Policy Gradient Algorithms

Daniel Kuhn, Mengmeng Li, Wouter Jongeneel

Motivated by policy gradient methods in the context of reinforcement learning, we derive the first large deviation rate function for the iterates generated by stochastic gradient descent for possibly non-convex objectives satisfying a Polyak-Łojasiewicz co ...

2024

Simulating Biogenic Secondary Organic Aerosol During Summertime in China

Yun Seong Song, Athanasios Nenes, Mengmeng Li

Biogenic secondary organic aerosol (BSOA) contributes significantly to summertime organic particulate matter. In this study, a simulation of BSOA for summer 2012 over China is performed using the Community Multiscale Air Quality model with an explicit repr ...

2018

Distributionally Robust Optimization with Markovian Data

Daniel Kuhn, Tobias Sutter, Mengmeng Li

We study a stochastic program where the probability distribution of the uncertain problem parameters is unknown and only indirectly observed via finitely many correlated samples generated by an unknown Markov chain with d states. We propose a data-driven d ...

JMLR-JOURNAL MACHINE LEARNING RESEARCH2021