Standard

Simulation of trawl processes using SINN architectures. / Белькова, Ксения; Михайлов, Михаил Дмитриевич.

в: Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika), Том 80, 01.05.2025, стр. S1077–S108.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

Harvard

Белькова, К & Михайлов, МД 2025, 'Simulation of trawl processes using SINN architectures', Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika), Том. 80, стр. S1077–S108. https://doi.org/10.3103/S0027134925703059

APA

Белькова, К., & Михайлов, М. Д. (2025). Simulation of trawl processes using SINN architectures. Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika), 80, S1077–S108. https://doi.org/10.3103/S0027134925703059

Vancouver

Белькова К, Михайлов МД. Simulation of trawl processes using SINN architectures. Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika). 2025 Май 1;80:S1077–S108. https://doi.org/10.3103/S0027134925703059

Author

Белькова, Ксения ; Михайлов, Михаил Дмитриевич. / Simulation of trawl processes using SINN architectures. в: Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika). 2025 ; Том 80. стр. S1077–S108.

BibTeX

@article{fddca1f8c1b6401c92a6d0147b43131f,
title = "Simulation of trawl processes using SINN architectures",
abstract = "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.",
author = "Ксения Белькова and Михайлов, {Михаил Дмитриевич}",
year = "2025",
month = may,
day = "1",
doi = "10.3103/S0027134925703059",
language = "English",
volume = "80",
pages = "S1077–S108",
journal = "Moscow University Physics Bulletin (English Translation of Vestnik Moskovskogo Universiteta, Fizika)",
issn = "0027-1349",
publisher = "Allerton Press, Inc.",

}

RIS

TY - JOUR

T1 - Simulation of trawl processes using SINN architectures

AU - Белькова, Ксения

AU - Михайлов, Михаил Дмитриевич

PY - 2025/5/1

Y1 - 2025/5/1

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.

U2 - 10.3103/S0027134925703059

DO - 10.3103/S0027134925703059

M3 - Article

VL - 80

SP - S1077–S108

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 -

ID: 144586213