研究随机Volterra方程的Wong-Zakai收敛与FNO学习
热点事件持续更新
研究随机Volterra方程的Wong-Zakai收敛与FNO学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
一篇新论文为带记忆的随机 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会收敛到 SVIE 的解。 基于这一结果，作者用带镜像填充的 Fourier 神经算子（FNO）学习从初始条件和驱动噪声到整条解轨迹的映射。论文称数值实验中该方法的预测精度具竞争力，并能泛化到比训练更细的时间网格，同时评估了填充方式和计算成本的影响。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
Wong–Zakai 收敛性与 FNO 学习：随机 Volterra 方程的求解新框架报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv stat.MLWong–Zakai 收敛性与 FNO 学习：随机 Volterra 方程的求解新框架
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 SVIE 解。基于此，作者用镜像填充的 Fourier 神经算子（FNO）学习从初始条件与驱动噪声到整条解轨迹的算子映射，数值实验显示其预测精度具竞争力，并可泛化到比训练更细的时间网格，同时评估了填充方式与计算成本的影响。
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。