新的概率方法反转截断签名以进行路径重建

研究人员开发了一种新的概率方法来反转截断签名，这是一种用于表示连续时间路径的方法。该技术将从其签名中恢复路径的病态问题重新构建为学习条件分布。所提出的方法利用了签名条件流匹配模型，并为重建误差建立了理论基线，然后通过金融数据实验进行了验证。 AI

影响 为签名反转建立了一个新的概率框架，有可能改进时间序列分析中的路径重建。

排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了机器学习技术的新理论框架和实验验证。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• log-fBM
• log-GBM
• Ohio University
• Probabilistic Signature Inversion
• ScienceCast
• Signature transform

• 论文
• 其他

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