PulseAugur
实时 01:36:09

为干预性SDE中的参数识别建立了新的界限

研究人员为在受到多次干预时随机微分方程(SDE)中参数的唯一恢复开发了新的理论界限。这项工作首次为从平稳分布恢复SDE参数提供了可证明的界限,在特定条件下为线性SDE提供了紧密的界限,为非线性SDE提供了上限。研究结果通过合成数据进行了实验验证,并应用于基因调控动力学的建模,展示了具有可学习激活函数的参数化的优势。 AI

影响 为未来用于动态系统分析的AI模型提供了理论基础。

排序理由 关于机器学习领域理论主题的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

为干预性SDE中的参数识别建立了新的界限

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Aaron Zweig, Zaikang Lin, Elham Azizi, David Knowles ·

    关于可干预随机微分方程的可识别性研究

    arXiv:2505.15987v5 Announce Type: replace Abstract: We study identifiability of stochastic differential equations (SDE) under multiple interventions. Our results give the first provable bounds for unique recovery of SDE parameters given samples from their stationary distributions…