Feb, 2024
DynGMA：一种从数据中学习随机微分方程的强鲁棒性方法
DynGMA: a robust approach for learning stochastic differential equations from data
Aiqing Zhu, Qianxiao Li
TL;DR本文介绍了一种从轨迹数据学习未知随机微分方程的方法，通过近似参数化 SDE 的过渡密度的高斯密度近似和动力学高斯混合近似方法，实现了对完全未知漂移和扩散函数的精确学习和计算不变分布，适用于低时间分辨率和可变的，甚至是不可控的时间步长的轨迹数据。通过在不同场景下进行多个实验，验证了所提方法的优势和鲁棒性。