Buchumschlag

Temporal Difference Learning for High-Dimensional PIDEs with Jumps

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Liwei, Guo, Hailong, Yang, Xu, Zhu, Yi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Numerical Analysis Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

INEUS: Iterative Neural Solver for High-Dimensional PIDEs
von: Dupret, Jean-Loup, et al.
Veröffentlicht: (2026)

Full error analysis of the random deep splitting method for nonlinear parabolic PDEs and PIDEs
von: Neufeld, Ariel, et al.
Veröffentlicht: (2024)

A Hybrid Kernel-Free Boundary Integral Method with Operator Learning for Solving Parametric Partial Differential Equations In Complex Domains
von: Ling, Shuo, et al.
Veröffentlicht: (2024)

Finite Expression Method for Solving High-Dimensional Partial Differential Equations
von: Liang, Senwei, et al.
Veröffentlicht: (2022)

Neural Galerkin Schemes with Active Learning for High-Dimensional Evolution Equations
von: Bruna, Joan, et al.
Veröffentlicht: (2022)

Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space
von: Yue, Xihang, et al.
Veröffentlicht: (2024)

DeltaPhi: Physical States Residual Learning for Neural Operators in Data-Limited PDE Solving
von: Yue, Xihang, et al.
Veröffentlicht: (2024)

Solving High-Dimensional Partial Integral Differential Equations: The Finite Expression Method
von: Hardwick, Gareth, et al.
Veröffentlicht: (2024)

A model-data asymptotic-preserving neural network method based on micro-macro decomposition for gray radiative transfer equations
von: Li, Hongyan, et al.
Veröffentlicht: (2022)

Macroscopic auxiliary asymptotic preserving neural networks for the linear radiative transfer equations
von: Li, Hongyan, et al.
Veröffentlicht: (2024)

Adaptive-Distribution Randomized Neural Networks for PDEs: A Low-Dimensional Distribution-Learning Framework
von: Yang, You, et al.
Veröffentlicht: (2026)

Optimal Estimation of Generic Dynamics by Path-Dependent Neural Jump ODEs
von: Krach, Florian, et al.
Veröffentlicht: (2022)

In-Context Learning of Linear Systems: Generalization Theory and Applications to Operator Learning
von: Cole, Frank, et al.
Veröffentlicht: (2024)

Stochastic Dimension Implicit Functional Projections for Exact Integral Conservation in High-Dimensional PINNs
von: Liang, Zhangyong
Veröffentlicht: (2026)

Proposal-Guided Greedy Surrogate Refinement for PDE-Driven High-Dimensional Rare-Event Estimation
von: Gao, Zhiwei, et al.
Veröffentlicht: (2026)

Quantum Neural Network Restatement of Markov Jump Process
von: Zarezadeh, Z., et al.
Veröffentlicht: (2025)

Physics-Informed Inference Time Scaling for Solving High-Dimensional PDE via Defect Correction
von: Fan, Zexi, et al.
Veröffentlicht: (2025)

A Finite Expression Method for Solving High-Dimensional Committor Problems
von: Song, Zezheng, et al.
Veröffentlicht: (2023)

On the Dimension-Free Approximation of Deep Neural Networks for Symmetric Korobov Functions
von: Lu, Yulong, et al.
Veröffentlicht: (2025)

Distillation of Discrete Diffusion through Dimensional Correlations
von: Hayakawa, Satoshi, et al.
Veröffentlicht: (2024)

A Multiple Transferable Neural Network Method with Domain Decomposition for Elliptic Interface Problems
von: Lu, Tianzheng, et al.
Veröffentlicht: (2025)

Artifacts of Numerical Integration in Learning Dynamical Systems
von: Lu, Bing-Ze, et al.
Veröffentlicht: (2025)

CONFIDE: Contextual Finite Differences Modelling of PDEs
von: Linial, Ori, et al.
Veröffentlicht: (2023)

Learning Stochastic Dynamical Systems with Structured Noise
von: Guo, Ziheng, et al.
Veröffentlicht: (2025)

Why Shallow Networks Struggle to Approximate and Learn High Frequencies
von: Zhang, Shijun, et al.
Veröffentlicht: (2023)

Nonparametric Filtering, Estimation and Classification using Neural Jump ODEs
von: Heiss, Jakob, et al.
Veröffentlicht: (2024)

Towards Learning High-Precision Least Squares Algorithms with Sequence Models
von: Liu, Jerry, et al.
Veröffentlicht: (2025)

Efficiently Solving High-Order and Nonlinear ODEs with Rational Fraction Polynomial: the Ratio Net
von: Qin, Chenxin, et al.
Veröffentlicht: (2021)

Predictions Based on Pixel Data: Insights from PDEs and Finite Differences
von: Celledoni, Elena, et al.
Veröffentlicht: (2023)

Learning High-dimensional Ionic Model Dynamics Using Fourier Neural Operators
von: Pellegrini, Luca, et al.
Veröffentlicht: (2025)

Efficient Tensor Completion Algorithms for Highly Oscillatory Operators
von: Singh, Navjot, et al.
Veröffentlicht: (2025)

Persistent-Transient Policy Evaluation for Markov Chains via Minimal Peripheral Quotients
von: Xu, Yang, et al.
Veröffentlicht: (2026)

Learn Singularly Perturbed Solutions via Homotopy Dynamics
von: Chen, Chuqi, et al.
Veröffentlicht: (2025)

Mixture of Experts Softens the Curse of Dimensionality in Operator Learning
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2024)

$ε$-rank and the Staircase Phenomenon: New Insights into Neural Network Training Dynamics
von: Yang, Jiang, et al.
Veröffentlicht: (2024)

Computational Advantages of Multi-Grade Deep Learning: Convergence Analysis and Performance Insights
von: Fang, Ronglong, et al.
Veröffentlicht: (2025)

Quantifying Correlations of Machine Learning Models
von: Li, Yuanyuan, et al.
Veröffentlicht: (2025)

The Numerical Stability of Hyperbolic Representation Learning
von: Mishne, Gal, et al.
Veröffentlicht: (2022)

fPINN-DeepONet: A Physics-Informed Operator Learning Framework for Multi-term Time-fractional Mixed Diffusion-wave Equations
von: Lu, Binghang, et al.
Veröffentlicht: (2026)

Learning Operators through Coefficient Mappings in Fixed Basis Spaces
von: Chen, Chuqi, et al.
Veröffentlicht: (2025)