Application of deep galerkin methods to a carbon abatement problem
Bregunci, João Paulo Martino
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
O objetivo central desse trabalho é a aplicação de um método de um algoritmo de aprendizado de máquina chamado DGM (Deep Galerkin Method), a fim de resolver um problema de abatimento ótimo nas emissões de carbono fórmulado por Hambel, Kraft e Schwartz. Para esse fim foram provados os principais resultados de controle estocástico, foi apresentada a formulação original do DGM e foram explanadas as principais ideias do trabalho Optimal Carbon Abatement in a Stochastic Equilibrium Model no qual o problema de abatimento ótimo foi formulado como um problema de controle estocástico. A estrategia utilizada nesse trabalho, contudo pode ser reutilizada e reaproveitada para múltiplos outros problemas de controle estocástico.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2023
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Inglês
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/34552
Conteúdos relacionados
- OutroAplicação de equações diferencias estocásticas em problemas de otimizaçãoFundação Getulio Vargas · 2023
- DissertaçãoMulti-objective machine learningFundação Getulio Vargas · 2023
- DissertaçãoOptimal transport for machine learningFundação Getulio Vargas · 2021
- TeseInstitutions, ideas, and cultural changeFundação Getulio Vargas · 2026
