关键词backward stochastic differential equations
搜索结果 - 4
- 费曼路径积分理解扩散模型
利用费曼路径积分的新方法来描述分数评分的扩散模型,推导了反向随机微分方程和损失函数,通过应用量子物理中的 Wentzel-Kramers-Brillouin (WKB) 展开技术来评估随机和确定性采样方案之间的性能差异。
- 反向随机微分方程结合的深度生成建模
该论文提出了一种新颖的深度生成模型 BSDE-Gen,将 BSDE 的灵活性与深度神经网络的高能力相结合,特别适用于高维复杂目标数据的生成,特别是在图像生成领域。该模型将随机性和不确定性纳入生成建模过程,使 BSDE-Gen 成为生成高维数 - 使用张量列车格式解决高维抛物偏微分方程
本文研究高维偏微分方程,提出了一种基于张量列的近似方法和迭代方案,能够在精确性和计算效率之间达到有利的折衷。
- 基于深度学习的高维抛物型偏微分方程和反向随机微分方程数值解法
该论文提出了一种基于强化学习和神经网络的算法用于解决高维情况下的偏微分方程和反向随机微分方程等数学问题,并在物理和金融学领域的各种非线性情况下进行了测试和优化。