TY - JOUR

T1 - Simulation of trawl processes using SINN architectures

AU - Михайлов, Михаил Дмитриевич

AU - Белькова, Ксения

PY - 2025

Y1 - 2025

N2 - Эта работа представляет схему обучения статистически-информированных нейронных сетей (SINN), основанную на характеристической функции, для моделирования траловых процессов — класса амбит-процессов, определяемых через базисы Леви и описывающих сложные временные зависимости. Предлагаемый подход позволяет напрямую выучивать сети конечномерные распределения без необходимости внешних симуляций, что устраняет вычислительные ограничения традиционных методов, особенно в случаях, когда замнкнутые аналитические выражения недоступны. Численные эксперименты, включая применение к процессу Орнштейна–Уленбека и гамма-траловым процессам, демонстрируют эффективность метода для качественного анализа и его потенциал в ускорении моделирования методом Монте-Карло в задачах стохастического моделирования.

AB - Эта работа представляет схему обучения статистически-информированных нейронных сетей (SINN), основанную на характеристической функции, для моделирования траловых процессов — класса амбит-процессов, определяемых через базисы Леви и описывающих сложные временные зависимости. Предлагаемый подход позволяет напрямую выучивать сети конечномерные распределения без необходимости внешних симуляций, что устраняет вычислительные ограничения традиционных методов, особенно в случаях, когда замнкнутые аналитические выражения недоступны. Численные эксперименты, включая применение к процессу Орнштейна–Уленбека и гамма-траловым процессам, демонстрируют эффективность метода для качественного анализа и его потенциал в ускорении моделирования методом Монте-Карло в задачах стохастического моделирования.

M3 - статья

JO - Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika)

JF - Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika)

SN - 0027-1349

ER -