新研究通过随机最大值原理构建伴随匹配

一篇题为“Adjoint Matching through the Lens of the Stochastic Maximum Principle in Optimal Control”的新研究论文，由Jiequn Han撰写，严格推导并推广了随机最优控制问题的伴随匹配方法。该工作构建了一个哈密顿伴随匹配目标，并证明了其与Hamilton-Jacobi-Bellman平稳性条件的关系。对于扩散项与状态和控制无关的情况，该论文恢复了先前引入的精简伴随匹配损失，同时强调了在扩散项与状态相关的需要额外项。该研究为传统随机最大值原理算法提供了一种实用、可实现的替代方案，特别是在鞅项构成挑战的随机环境中。 AI

影响 为优化生成模型和采样技术提供了一个新框架。

排序理由 关于一种新颖控制方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Adjoint Matching
• Hamiltonian adjoint matching
• Hamilton--Jacobi--Bellman
• Jiequn Han
• optimal control
• stochastic control
• Stochastic maximum principle for partially observed risk‐sensitive optimal control problems of mean‐field forward‐backward stochastic differential equations

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →