分数噪声驱动的随机微分方程的变分推断
原文中文，约300字，阅读约需1分钟。发表于：。在这篇论文中，我们提出了一种用于推断由 Markov - 近似分数布朗运动（fBM）驱动的（神经）随机微分方程（SDEs）的新颖变分框架。我们结合了 SDEs 和变分方法的强大推断能力，通过随机梯度下降学习代表性函数分布。此外，我们还提出了一种使用神经网络学习变分后验中的漂移、扩散和控制项的方法，从而实现了神经 - SDEs 的变分训练。我们还优化了 Hurst...
本文提出了一种新的变分框架，用于推断由分数布朗运动驱动的随机微分方程。通过结合SDEs和变分方法的推断能力，使用随机梯度下降学习代表性函数分布，并使用神经网络学习变分后验中的漂移、扩散和控制项，实现了神经-SDEs的变分训练。同时，优化了Hurst指数，控制分数噪声的性质，并提出了一种用于变分潜在视频预测的新型架构。
