一篇新的arXiv论文介绍了一种使用离散时间签名在非预期和路径依赖泛函中实现全局普适性的方法。研究表明,这些签名的线性泛函可以近似各种高斯过程,包括布朗运动和赫斯特参数大于1/4的分数布朗运动。研究结果还为布朗运动驱动的随机和随机微分方程提供了近似结果。 AI
影响 这项研究可能为复杂时间序列数据和随机系统带来更强大和通用的近似能力。
排序理由 该集群包含一篇发表在arXiv上的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Brownian motion
- Fractional Brownian motion
- Gaussian Processes
- Mihriban Ceylan
- Stochastic Differential Equations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →