本文介绍了一种用于学习随机微分方程（SDE）代理模型的新型变分损失函数。所提出的面向目标学习方法使用路径空间可观测量上的误差界，而标准损失函数通常无法提供这一点。该方法被证明可以提高预测首次命中时间等统计数据的准确性，并且对于数据分布的偏移表现出鲁棒性，特别是对于过阻尼Langevin系统。 AI
影响 为SDE代理模型引入了一种新颖的损失函数，有可能提高各种应用中模拟的效率和准确性。
排序理由 这是一篇研究论文，详细介绍了一种学习SDE代理模型的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
