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。