加权次分数布朗运动SDE的神经网络推理研究

2026年10月3日，arXiv cs.LG分类发布一项研究，针对加权次分数布朗运动驱动的随机微分方程，从离散观测中估计漂移、扩散与噪声协方差。方法采用Euler近似从观测转移重构高斯驱动增量，以其联合密度构造轨迹似然，并用神经网络与径向基表示漂移、扩散和归一化时间权重，再通过似然剖面估计协方差指数与扩散尺度。研究在20组系数设定下，与两种神经网络替代方法在同一模拟轨迹上进行了对比。目前报道仅涉及该论文的方法与实验设置，未提及后续进展或结论性结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。