FBSDEs

新框架为神经网络FBSDE近似提供误差分析

研究人员开发了一个新框架，用于分析全耦合前向-后向随机微分方程（FBSDE）解耦神经网络近似中的误差。该方法考虑了在实际深度学习实现中出现的控制失配问题，即当正向系数中的辅助控制过程与神经网络近似的后向分量不同时发生。该框架基于终端缺陷、路径残差和控制失配，提供了可计算的后验误差界限。数值实验证明了这些指标在确保数值近似的一致性和可复现性方面的有效性。