English(EN) Maximum likelihood, neural networks and posterior mean for inferring fractional Brownian motion parameters

使用人工神经网络推断分数布朗运动参数的新方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了推断分数布朗运动（fBM）参数的新方法，fBM是一种用于描述异常扩散的模型。该研究提出使用最大似然估计（MLE）进行密度测量，并使用以平方误差损失训练的人工神经网络（ANN）来近似Hurst指数（$H$）的后验均值。这种基于ANN的方法与用于扩散系数（$D_H$）的MLE相结合，在两个参数上都显示出最低的均方根误差。对MRC5成纤维细胞和HeLa细胞的囊泡轨迹分析表明，细胞内货物在一段时间内会在亚扩散和超扩散之间切换，而不是保持固定的运动特征。 AI

影响这项研究引入了先进的神经网络技术来分析复杂的扩散过程，可能影响模拟粒子或细胞运动的领域。

排序理由该集群包含一篇学术论文，详细介绍了特定科学模型中参数推断的新颖方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv stat.ML 阅读 →

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

本文如何被排名

Signal score: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了特定科学模型中参数推断的新颖方法。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Daniel S. Han, Vaishnavi Ananthanarayanan, Matthew J. Simpson · 2026-10-15 04:00

最大似然估计、神经网络与后验均值在分数布朗运动参数推断中的应用

arXiv:2610.19888v1 Announce Type: cross Abstract: Fractional Brownian motion (fBM) is a model of anomalous diffusion parameterised by a Hurst exponent $H \in (0,1)$ and a generalised diffusion coefficient $D_H > 0$. We jointly estimate $H$ and $D_H$ using maximum likelihood (MLE)…

本文如何被排名

报道来源 [1]

最大似然估计、神经网络与后验均值在分数布朗运动参数推断中的应用

相关实体

相关话题