Wong–Zakai收敛与FNO学习SVIE研究
热点事件持续更新
Wong–Zakai收敛与FNO学习SVIE研究
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Wonjae Lee、Jiuk Jang、Hyungbin Park提交论文,为描述带记忆随机系统的随机 Volterra 积分方程(SVIE)建立 Wong–Zakai 收敛定理,证明由布朗运动分段线性逼近驱动的路径解收敛至对应 SVIE 解。 基于该收敛结果,作者用镜像填充的傅里叶神经算子(FNO)学习从初始条件与驱动噪声到完整解轨迹的算子映射。数值实验显示其预测精度具竞争力,且能泛化到比训练更细的时间网格;论文同时评估了填充与计算成本的影响。该研究为 arXiv cs.LG 论文,尚未经同行评审。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Wong–Zakai 收敛性与 FNO 学习在随机 Volterra 方程中的应用报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv:cs.LGWong–Zakai 收敛性与 FNO 学习在随机 Volterra 方程中的应用
该研究为描述带记忆随机系统的随机 Volterra 积分方程(SVIE)建立了 Wong–Zakai 收敛定理,证明由布朗运动分段线性逼近驱动的路径解收敛至对应 SVIE 解。基于此,作者用镜像填充的傅里叶神经算子(FNO)学习从初始条件与驱动噪声到完整解轨迹的算子映射,数值实验显示其预测精度具竞争力,且能泛化到比训练更细的时间网格,同时评估了填充与计算成本的影响。
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。