开放存取 开放存取  受限制的访问 ##reader.subscriptionAccessGranted##  受限制的访问 订阅存取

卷 80, 编号 5 (2025)

封面

完整期次

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

Multidimensional Hamiltonian systems: non-integrability and diffusion

Kozlov V.

摘要

Hamiltonian systems of differential equations that are little different from completely integrable systems are under consideration. If such a system is integrable, then the action variables cannot change strongly, and there is no diffusion. Thus the non-integrable behaviour of a Hamiltonian system is closely linked with the diffusion of slow variables. This range of problems is discussed for a subclass of Hamiltonian systems. A new mechanism of diffusion, different from the ‘standard’ scheme of transition chains, is considered on these example. This mechanism is related to the breakdown of a large number of invariant tori of the non-perturbed problem which have almost resonance sets of frequencies. On the formal side, this phenomenon is based on the non-boundedness of integrals of conditionally-periodic functions of time with zero mean.
Uspekhi Matematicheskikh Nauk. 2025;80(5):3-22
pages 3-22 views

Brief introduction in greedy approximation

Temlyakov V.

摘要

Sparse approximation is important in many applications because of the concise form of an approximant and good accuracy guarantees. The theory of compressed sensing, which proved to be very useful in the image processing and data sciences, is based on the concept of sparsity. A fundamental issue of sparse approximation is the problem of the construction of efficient algorithms, which provide good approximation. It turns out that greedy algorithms with respect to dictionaries are very good from this point of view. They are simple in implementation, and there are well-developed theoretical guarantees of their efficiency. This survey/tutorial paper contains a brief description of different kinds of greedy algorithms and results on their convergence and rate of convergence. Also, in Sections 14 and 15 we give some typical proofs of convergence and rate of convergence results for important greedy algorithms and in Section 16 we list some open problems.
Uspekhi Matematicheskikh Nauk. 2025;80(5):23-104
pages 23-104 views

On the spectrum of random Gram matrices of large dimension in the case of partial dependence

Yaskov P.

摘要

A unified theory is proposed, which enables one to derive universal limiting spectral distributions for random Gram matrices of large dimension and related matrix models in the case of partial dependence.
Uspekhi Matematicheskikh Nauk. 2025;80(5):105-174
pages 105-174 views

Revaz Valer'yanovich Gamkrelidze (obituary)

Avakov E., Agrachev A., Aseev S., Giorgadze G., Davydov A., Zelikin M., Kozlov V., Lokutsievskiy L., Nikol'skii M., Ovchinnikov A., Osipov Y., Sarychev A., Sachkov Y., Treschev D.
Uspekhi Matematicheskikh Nauk. 2025;80(5):175-178
pages 175-178 views

SHORT MESSAGES

Slow convergence of weighted averages for flows and actions of countable amenable groups

Ryzhikov V.
Uspekhi Matematicheskikh Nauk. 2025;80(5):179-180
pages 179-180 views

Change of variables for Sobolev class functions on metric measure spaces

Vodopyanov S., Sboev D.
Uspekhi Matematicheskikh Nauk. 2025;80(5):181-182
pages 181-182 views

A Lax representation and integrability of homogeneous exact magnetic flows on spheres in all dimensions

Dragovich V., Gajić B., Jovanović B.
Uspekhi Matematicheskikh Nauk. 2025;80(5):183-184
pages 183-184 views

On the equivalence of optimal transport problem and action matching with optimal vector fields

Kornilov N., Korotin A.
Uspekhi Matematicheskikh Nauk. 2025;80(5):185-186
pages 185-186 views
pages 187-188 views

The nonlinear Perron–Frobenius stability problem for cubic stocharic matrices

Saburov M., Saburov K.
Uspekhi Matematicheskikh Nauk. 2025;80(5):189-190
pages 189-190 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».