Buchumschlag

Convergence analysis of kernel learning FBSDE filter

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lyu, Yunzheng, Bao, Feng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Numerical Analysis Mathematical Finance
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

SURGE: Approximation and Training Free Particle Filter for Diffusion Surrogate
von: Wei, Lifu, et al.
Veröffentlicht: (2026)

A Comprehensive Review of Latent Space Dynamics Identification Algorithms for Intrusive and Non-Intrusive Reduced-Order-Modeling
von: Bonneville, Christophe, et al.
Veröffentlicht: (2024)

Smooth and Sparse Latent Dynamics in Operator Learning with Jerk Regularization
von: Xie, Xiaoyu, et al.
Veröffentlicht: (2024)

Rational kernel-based interpolation for complex-valued frequency response functions
von: Bect, Julien, et al.
Veröffentlicht: (2023)

Boundary treatment for high-order IMEX Runge-Kutta local discontinuous Galerkin schemes for multidimensional nonlinear parabolic PDEs
von: González-Tabernero, V., et al.
Veröffentlicht: (2024)

A case study on different one-factor Cheyette models for short maturity caplet calibration
von: Polala, Arun Kumar, et al.
Veröffentlicht: (2024)

A second order finite volume IMEX Runge-Kutta scheme for two dimensional PDEs in finance
von: López-Salas, J. G., et al.
Veröffentlicht: (2024)

Implicit Numerical Scheme for the Hamilton-Jacobi-Bellman Quasi-Variational Inequality in the Optimal Market-Making Problem with Alpha Signal
von: Meteykin, Alexey
Veröffentlicht: (2025)

Quantum Monte Carlo algorithm for option pricing and its complexity analysis
von: Chen, Jianjun, et al.
Veröffentlicht: (2023)

Convergence of physics-informed neural networks modeling time-harmonic wave fields
von: Schoder, Stefan, et al.
Veröffentlicht: (2025)

Asymptotic expansion for the Hartman-Watson distribution
von: Pirjol, Dan
Veröffentlicht: (2020)

ALL-FEM: Agentic Large Language models Fine-tuned for Finite Element Methods
von: Deotale, Rushikesh, et al.
Veröffentlicht: (2026)

Gaussian process learning of nonlinear dynamics
von: Ye, Dongwei, et al.
Veröffentlicht: (2023)

A mechanism-driven reinforcement learning framework for shape optimization of airfoils
von: Wang, Jingfeng, et al.
Veröffentlicht: (2024)

Pricing options and computing implied volatilities using neural networks
von: Liu, Shuaiqiang, et al.
Veröffentlicht: (2019)

A finite operator learning technique for mapping the elastic properties of microstructures to their mechanical deformations
von: Rezaei, Shahed, et al.
Veröffentlicht: (2024)

Physics-informed active learning with simultaneous weak-form latent space dynamics identification
von: He, Xiaolong, et al.
Veröffentlicht: (2024)

Active learning for data-driven reduced models of parametric differential systems with Bayesian operator inference
von: McQuarrie, Shane A., et al.
Veröffentlicht: (2025)

Physics-based deep kernel learning for parameter estimation in high dimensional PDEs
von: Yan, Weihao, et al.
Veröffentlicht: (2025)

A comparative analysis for different finite element types in strain-gradient elasticity simulations performed on Firedrake and FEniCS
von: Sarar, B. Cagri, et al.
Veröffentlicht: (2024)

Convergence of the generalization error for deep gradient flow methods for PDEs
von: Liu, Chenguang, et al.
Veröffentlicht: (2025)

One model to solve them all: 2BSDE families via neural operators
von: Furuya, Takashi, et al.
Veröffentlicht: (2025)

Optimal Quantum Speedups for Repeatedly Nested Expectation Estimation
von: Sun, Yihang, et al.
Veröffentlicht: (2026)

Simultaneously Solving Infinitely Many LQ Mean Field Games In Hilbert Spaces: The Power of Neural Operators
von: Firoozi, Dena, et al.
Veröffentlicht: (2025)

Fast training of accurate physics-informed neural networks without gradient descent
von: Datar, Chinmay, et al.
Veröffentlicht: (2024)

A Predictive Surrogate Model for Heat Transfer of an Impinging Jet on a Concave Surface
von: Salavatidezfouli, Sajad, et al.
Veröffentlicht: (2024)

Derivative-enhanced Deep Operator Network
von: Qiu, Yuan, et al.
Veröffentlicht: (2024)

Improving hp-Variational Physics-Informed Neural Networks for Steady-State Convection-Dominated Problems
von: Anandh, Thivin, et al.
Veröffentlicht: (2024)

Anvil: An integration of artificial intelligence, sampling techniques, and a combined CAD-CFD tool
von: Vardhan, Harsh, et al.
Veröffentlicht: (2024)

Analysis of Centrifugal Clutches in Two-Speed Automatic Transmissions with Deep Learning-Based Engagement Prediction
von: Lin, Bo-Yi, et al.
Veröffentlicht: (2024)

Predicting Open-Hole Laminates Failure Using Support Vector Machines With Classical and Quantum Kernels
von: Balducci, Giorgio Tosti, et al.
Veröffentlicht: (2024)

Deep Learning-Based Prediction of Suspension Dynamics Performance in Multi-Axle Vehicles
von: Lin, Kai Chun, et al.
Veröffentlicht: (2024)

Neural networks can be FLOP-efficient integrators of 1D oscillatory integrands
von: Sinha, Anshuman, et al.
Veröffentlicht: (2024)

An Explicit Scheme for Pathwise XVA Computations
von: Abbas-Turki, Lokman, et al.
Veröffentlicht: (2024)

Improving the Adaptive Moment Estimation (ADAM) stochastic optimizer through an Implicit-Explicit (IMEX) time-stepping approach
von: Bhattacharjee, Abhinab, et al.
Veröffentlicht: (2024)

Structure-Preserving Operator Learning
von: Bouziani, Nacime, et al.
Veröffentlicht: (2024)

Generative Neural Operators of Log-Complexity Can Simultaneously Solve Infinitely Many Convex Programs
von: Kratsios, Anastasis, et al.
Veröffentlicht: (2025)

QuadNorm: Resolution-Robust Normalization for Neural Operators
von: Kim, Bum Jun, et al.
Veröffentlicht: (2026)

HyCOP: Hybrid Composition Operators for Interpretable Learning of PDEs
von: Zhao, Jinpai, et al.
Veröffentlicht: (2026)