热点事件持续更新
Neural inference for SDEs driven by weighted sub-fractional Brownian motion
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
该研究针对加权次分数布朗运动驱动的随机微分方程，提出基于欧拉近似的神经网络推断方法。利用神经网络与径向基函数表示漂移、扩散及归一化时间权重，从离散观测重建高斯驱动增量并构造轨迹似然，通过似然轮廓估计协方差指数与扩散尺度，并在二十组系数设置下与两种神经网络方法进行了对比。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
2026-10-02 arXiv 发布该研究一手报道，详细描述方法与对比实验。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Statistics Machine Learning使用神经网络和欧拉近似对加权次分数布朗运动驱动的随机微分方程进行推断
该研究针对由加权次分数布朗运动驱动的随机微分方程，利用欧拉近似从离散观测中重建高斯驱动增量并构造轨迹似然。神经网络和径向基函数表示漂移、扩散及归一化时间权重，通过似然轮廓估计协方差指数和扩散尺度，并在二十组系数设置下与两种神经网络方法进行了对比。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。