English(EN) Learning Controlled Stochastic Differential Equations

新的核方法学习受控随机微分方程

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-30 04:00

研究人员开发了一种新颖的核方法来学习受控随机微分方程（SDE）。该方法旨在通过匹配从观测轨迹数据导出的密度流来估计SDE的系数。该方法适用于漂移和扩散依赖于时间、状态和控制输入的多元非线性SDE。该研究提供了关于学习误差的理论保证，并包含一个用于实际应用的Python实现。 AI

影响引入了一种用于模拟复杂动态系统的新统计方法，可能适用于需要精确控制和预测的领域。

排序理由学术论文发布在arXiv上，详细介绍了学习SDE的新统计方法。[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 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Luc Brogat-Motte, Riccardo Bonalli, Alessandro Rudi · 2026-07-30 04:00

学习受控随机微分方程

arXiv:2411.01982v2 Announce Type: replace Abstract: We study the problem of learning controlled stochastic differential equations (SDEs) \[ dX_t = b(t,X_t,u_t)\,dt + \sigma(t,X_t,u_t)\,dW_t, \] whose drift and diffusion depend nonlinearly on time, state, and control values. From …