English(EN) Deep Neural Operator Learning for Probabilistic Models

发布了用于概率模型的新型深度神经算子框架

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员推出了一种新颖的深度神经算子框架，旨在处理各种概率模型。该框架具有理论基础，并包含一个通用逼近定理，在全局Lipschitz条件下建立了明确的网络大小界限。该方法适用于满足可积性和一般尾部概率标准的随机过程，并通过在正向-反向SDE框架内用于欧式和美式期权定价问题得到了证明。一个数值示例展示了该模型在无需为新的行权价进行再训练的情况下，能够有效地确定美式期权的最优停止边界。 AI

影响为概率建模引入了一个新的理论框架，在金融和其他需要复杂算子学习的领域具有潜在应用。

排序理由详细介绍新框架和理论成果的学术论文。[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 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍新框架和理论成果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
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, model release; 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 cs.LG TIER_1 English(EN) · Erhan Bayraktar, Qi Feng, Zecheng Zhang, Zhaoyu Zhang · 2026-11-06 05:00

深度神经网络算子学习用于概率模型

arXiv:2511.07235v2 Announce Type: replace Abstract: We propose a deep neural-operator framework for a general class of probabilistic models. Under global Lipschitz conditions on the operator over the entire Euclidean space-and for a broad class of probabilistic models-we establis…

本文如何被排名

报道来源 [1]

深度神经网络算子学习用于概率模型

相关实体

相关话题