Alpár R. Mészáros

深度学习粒子系统在神经SDEs中的收敛性分析

本文分析了深度学习中出现的受控粒子系统，特别关注神经随机微分方程（SDEs）。研究人员考察了样本量增加时采样最优控制问题的极限行为，将N粒子系统与集中式控制联系起来。该研究通过应用随机最大值原理和分析反向随机Riccati方程，建立了统一于N的正则性结果，最终证明了在Borel概率测度的Wasserstein空间中目标泛函最小值和最优参数的收敛性。