The Stochastic Schwarz lemma on Kähler Manifolds by Couplings and Its Applications
本文利用Markov耦合与Kendall-Cranston耦合建立Carathéodory距离的随机公式和比较结果,从而在完备非紧Kähler流形上证明含Ricci曲率分解的Schwarz引理,并推广到四元数Kähler流形,得到正调和函数的改进梯度估计。
2023-11-30 math.CV math.DG math.PR
Optimal Ricci curvature Markov chain Monte Carlo methods on finite states
本文构造了一种新的有限状态下的马尔可夫链蒙特卡罗方法,并给出了最优取舍比函数的选择。证明了所构造的连续时间Markov跳过程在$L^1$距离上具有全局及时收敛速度。收敛速度不小于小于二分之一,且与目标分布无关。例如,我们的方法在两点状态下恢复Metropolis-Hastings算法。从而形成了一种新的一般目标分布的抽样算法。数值算例验证了算法的有效性。
2023-02-02 math.OC math.PR
Brownian motion with respect to time-changing Riemannian metrics, applications to Ricci flow
本文将黎曼流形上的布朗运动推广到一类依赖于时间的度量的情形。这样的问题是自然的方程,如热方程关于不定常拉普拉斯算子(非均匀扩散)。在本文中,我们特别感兴趣的里奇流,它提供了一个内在的家庭的不定常指标。我们给出了沿此布朗运动的平行输运的概念,并建立了Dohrn-Guerra或阻尼平行输运的推广,Bismut积分的部分公式,和梯度估计公式。我们的主要结果之一是表征的里奇流的阻尼平行运输。最后给出了随机流的阻尼平行迁移的一个内禀定义,并导出了一个内禀鞅,它可以提供流的奇异性信息。
2009-09-17 math.PR
Properties at infinity of diffusion semigroups and stochastic flows via weak uniform covers
对H. Donnelly-P. Li和L. Schwartz关于行为的热半群上的开放流形与给定的紧化,一方面,和关系的行为在无穷大的解决方案有关的随机微分方程的其他。一个主要的工具是使用歧管的某些盖:这也给出了一个非爆炸测试。作为推论,我们得到了关于完备黎曼流形上的布朗运动的行为的已知结果,该流形的里奇曲率在距离函数中至多二次衰减.
2019-11-18 math.PR
Molecules as metric measure spaces with Kato-bounded Ricci curvature
设置$Ψ:=-\log(\tildeΨ)$,其中$\tildeΨ>0$为具有无限质量极限(忽略自旋/统计)的$n$电子的任意分子的基态。设$Σ\subset \IR^{3n}$为基础库仑势的奇点集。证明了由$\IR^{3n}$给出的度量测度空间$\IMM$及其欧氏距离和测度$$ μ(dx)=e^{-2Ψ(x)}dx $$具有一个Bakry-Emery-Ricci张量,该张量被函数$x\mapsto |x-Σ|^{-1}$绝对有界,并证明了该函数是由$\IMM$诱导的Kato类的一个元素.此外,还证明了$\IMM$是随机完备的,即分子诱导的布朗运动是非爆炸的,并且$\IMM$的热半群具有$L^{\infty}$ -to-Lipschitz光滑性质.我们的证明揭示了上述几何/概率性质与Fournais/Sørensen最近获得的$e^Ψ$的导数估计以及薛定谔算子的Aizenman/Simon Harnack不等式之间的基本联系。此外,我们的结果表明,研究一般的度量测度空间的里奇曲率,这是综合有界的从下/上的一个功能的基础加藤类。
2020-03-17 math-ph math.MG math.MP
Heat flow regularity, Bismut-Elworthy-Li's derivative formula, and pathwise couplings on Riemannian manifolds with Kato bounded Ricci curvature
证明了若测地完备黎曼流形$M$的Ricci张量$\mathrm{Ric}$被连续函数$k\colon M\to\mathbb{R}$从下有界,且该连续函数的负部分$k^-$满足,则对每个$t>0$,指数可积性条件\begin{equation*} \sup_{x\in M} \mathbb{E}\big[\mathrm{e}^{\int_0^t k^-(\mathsf{b}_r^x)/2\,\mathrm{d} r}\,1_{\{t < ζ^x\}}\big] < \infty, \end{equation*},则从任何$x\in M$开始的布朗运动$\mathsf{b}^x$在$M$上的寿命$ζ^x$为A.S.无限的。如果$k^-$属于$M$的Kato类,则对$k$的这一假设成立。我们还得到了一个Bismut-Elworthy-Li导数公式$\nabla \mathsf{P}_tf$为每个$f\in L^\infty(M)$和$t>0$沿热流$(\mathsf{P}_t)_{t\geq 0}$与生成元$Δ/2$,产生其$L^\infty$-$\mathrm{Lip}$-正则化作为推论。此外,给定$M$的随机完备性,但除了连续性之外没有对$k$的任何假设,我们证明了$\mathrm{Ric}$由$k$的下界等价于存在,给定任何$x,y\in M$,在$M$上的布朗运动的耦合$(\m…
2021-09-01 math.DG math.FA math.PR
Stochastic Perron for Stochastic Target Problems
本文采用随机Perron方法分析了跳跃扩散系统中具有无界控制的随机目标问题。利用这种方法,我们构造了相应的Hamiltonian-Jacobi-Bellman(HJB)方程的粘性下解和上解。在比较原理下,黏性解的唯一性成立,其值函数与抛物型内部的唯一解一致。由于经典控制问题可以在随机目标问题(具有无界控制)的框架下进行分析,因此我们使用我们的结果将ArXiv:1212.2170中的结果推广到具有受控跳跃的问题。
2016-05-17 math.OC math.PR q-fin.MF
Stochastic Perron for stochastic target games
我们扩展了随机Perron方法来分析随机目标博弈的框架,其中一个玩家试图找到一个策略,使得无论另一个玩家选择哪个动作,状态过程几乎肯定会到达给定的目标。在此框架内,我们的方法产生的Hamilton-Jacobi-Bellman(HJB)方程的粘性子解(超解)。然后,我们将值函数表征为HJB方程的黏性解,使用比较结果和副产品来获得动态规划原理。
2016-04-06 math.OC math.PR q-fin.MF
A Note on Costs Minimization with Stochastic Target Constraints
研究了在随机约束条件下,终端时刻期望费用的最小化问题。第一个也是主要的结果是,对于幂型费用,价值函数是二阶半线性常微分方程的最小正解。此外,我们建立了最优控制。在第二个例子中,我们表明,指数成本的情况下,导致一个平凡的最优控制。
2020-01-27 math.PR
Second order stochastic target problems with generalized market impact
我们将[7,18]的研究扩展到具有一般市场影响的随机目标问题。也就是说,我们考虑一个一般的抽象模型,它可以与一个完全非线性的抛物型方程。与[7,18]不同,该方程不是凹的,并且[7]的正则化/验证方法不能应用。我们还放松了[7]的gamma约束。在适当的位置,我们需要推广[18]的先验估计,并展示经典抛物型方程理论的光滑解。通过一个额外的近似论证,我们可以证明超套期保值价格解抛物型方程,并且当系数足够光滑时,可以构建完美的套期保值策略。这种表示导致一个一般的对偶公式。最后,我们提供了一个渐近展开周围的模型没有影响。
2018-06-22 math.PR
Stochastic Target Games and Dynamic Programming via Regularized Viscosity Solutions
我们研究了一类随机目标博弈,其中一个玩家试图找到一个策略,使得状态过程几乎肯定会到达给定的目标,无论对手选择什么行动。我们的主要结果是一个几何动态规划原则,使我们能够表征的价值函数的黏性解的非线性偏微分方程。由于抽象的可测量选择参数不能用于这种情况下,主要的障碍是可测量的几乎最优策略的建设。我们提出了一种新的方法,其中光滑超解用于定义马尔可夫型的几乎最优策略,类似于Hamilton-Jacobi-Bellman方程的经典解的验证参数。光滑上解是Krylov的振动系数方法的推广。我们将我们的结果应用于模型不确定性下的期权定价问题,具有不同的借贷利率。
2015-01-31 math.PR
Gaussian multi-target filtering with target dynamics driven by a stochastic differential equation
Universidad Politécnica de Madrid(马德里理工大学);Aalto University(阿尔托大学)
针对连续时间动态与离散时间量测的多目标滤波问题,本文推导新生目标分布及出生时刻高斯矩匹配闭式解,提出高斯连续-离散 PMBM 滤波器及其近似,并扩展至非线性 SDE 动态。
2025-02-16 cs.CV eess.SP math.PR
The narrow capture problem with partially absorbing targets and stochastic resetting
考虑粒子在有界区域$\calU\subset \R^d$中的扩散和随机重置,其中有界区域是$d=2,3$。所述域被一组部分吸收的目标穿孔,在所述部分吸收的目标内,颗粒可以以$κ$的速率被吸收。每个目标被假定为远小于$|\calU|$,这允许我们使用渐近和格林函数方法来求解拉普拉斯空间中的扩散方程。特别是,我们构建了一个内部解决方案的内部和局部外部的每个目标,并将其与外部解决方案的大部分$\calU$。这分别以$ν=-1/\ln ε$($d=2$)和$ε$($d=3$)的幂产生进入每个目标的拉普拉斯变换通量的渐近展开,其中$ε$是无量纲目标尺寸。通量决定了吸收的平均首次通过时间如何取决于反应速率$κ$和重置速率$r$。对于参数值的范围,MFPT是$r$的单峰函数,在取决于$κ$和目标配置的最佳重置速率$r_{\rm opt}$处具有最小值。
2021-10-13 cond-mat.stat-mech math.PR
Structural limit of volatility target under stochastic volatility and discrete corrections
Nomura Securities(野村证券)
本文证明波动率目标指数的结构极限在广义随机波动率下仍成立,并推导离散再平衡的期望二次变异修正公式,给出收敛条件,数值验证有效。
2026-10-05 math.PR
Relations Between Stochastic Orderings and generalized Stochastic Precedence
两个实值随机变量之间的“随机优先”概念经常出现在不同的应用框架中。在本文中,我们考虑一个稍微更一般的,完全自然的,随机优先的概念,并分析其与随机序的概念的关系。这样的研究导致我们引入一些特殊的类的二元copula。我们学习的动机可以来自不同的领域。特别地,我们考虑了基于目标的决策框架下的风险。这种方法主要是在“前景”和“目标”之间的随机独立性的假设下开发的。我们的分析涉及的情况下,随机相关。
2014-04-04 math.PR
Stochastic target games with controlled loss
我们研究一个随机对策,其中一个玩家试图找到一个策略,使状态过程达到控制损失型的目标,无论其他玩家选择的行动。在一般情况下,我们给出了这个问题的松弛几何动态规划原理,并推导出在受控条件下,相应的黏性解意义下的动态规划方程。作为一个例子,我们考虑的问题下的部分套期保值的不确定性。
2014-04-28 math.OC math.PR q-fin.PR
Stochastic search with space-dependent diffusivity
University of Utah(犹他大学)
本文研究了具有空间依赖扩散率的随机搜索,揭示了其对乘性噪声解释的强依赖性。
2026-01-13 cond-mat.stat-mech math.AP math.PR
Quenched mass transport of particles towards a target
我们考虑的随机目标问题的平均场随机微分方程,这样我们就可以控制它的演变,以确保它达到一个规定的终端概率分布,在一个固定的时间范围内的初始法律的集合。在这里,法律被认为是有条件的布朗运动,驱动系统的路径。我们建立了一个版本的几何动态规划原理相关联的可达集,并证明了相应的值函数是一个几何偏微分方程的黏性解。这提供了初始质量的表征,该初始质量可以几乎确定地沿着随机微分方程的路径朝向给定目标传输。我们的结果将[16]推广到我们的设定。
2018-10-31 math.PR
Target-Generated Dirichlet Problems in State-Constrained Stochastic Control
University of Michigan(密歇根大学)
本文研究状态约束随机控制中的目标生成Dirichlet问题,通过粘性不等式和比较原理证明边界方程解的存在唯一性,并应用于集值边界控制、无界漂移及冗余对冲等场景。
2026-10-06 math.OC math.PR
Hitting probabilities for fast stochastic search
本研究推导了在比随机短时间更快的条件下随机搜索过程的命中概率,证明其主要取决于搜索者与目标间的相对测地线长度,并应用于证据累积决策模型。
2024-07-16 cond-mat.stat-mech math.PR
Dual formulation of second order target problems
本文提出了一种新的二阶随机目标问题的提法[SIAM J. Control Optim. 48(2009)2344-2365]通过修改参考概率以允许不同的标度。这个新的成分,使我们能够证明一个双重制定的目标问题的上确界的标准向后随机微分方程的解决方案。特别是,在马尔可夫的情况下,已知的对偶问题是连接到一个完全非线性,抛物型偏微分方程,这种连接可以被看作是一个随机表示的所有非线性,标量,二阶,抛物型方程凸海森依赖。
2013-02-12 math.PR
Central Limit Theorems for Stochastic Approximation with controlled Markov chain dynamics
本文给出了过程$\{θ_n, n\geq 0\}$满足$θ_{n+1} = θ_n + γ_{n+1} H(θ_n,X_{n+1})$形式的随机逼近方程的中心极限定理,并建立了相应的平均序列的中心极限定理.本文的创新之处在于解决受控马尔可夫链动力学$\{X_n, n\geq 0 \}$和多目标的情况。该框架还容纳(随机)截断SA算法。充分条件CLT的举行,以及评论这些条件如何扩展以前的作品(如独立同分布的动态,罗宾斯-门罗动态或单目标的情况下)。本文重点讨论了在受控马尔可夫链动态和多目标情况下,这些条件如何成立,证明了本文是对已有工作的改进。
2013-09-12 math.PR
Analysis of Stochastic Gradient Descent in Continuous Time
University of Cambridge(剑桥大学)
随机梯度下降是一种将经典梯度下降与目标泛函内的随机子采样相结合的优化方法。在这项工作中,我们介绍了随机梯度过程作为一个连续时间表示的随机梯度下降。随机梯度过程是一个动力系统,它与一个生活在有限状态空间上的连续时间马尔可夫过程耦合。动力系统--梯度流--表示梯度下降部分,有限状态空间上的过程表示随机子采样。这种类型的过程,例如,用于在波动的环境中模拟克隆种群。在介绍了它之后,我们研究了随机梯度过程的理论性质:我们证明了当学习率接近零时,它相对于完整的目标函数弱收敛到梯度流。给出了具有常数学习率的随机梯度过程在Wasserstein意义下指数遍历的条件。然后,我们研究的情况下,学习率到零足够慢,单目标函数是强凸的。在这种情况下,该过程弱收敛到集中在完整目标函数的全局极小值中的点质量;表明该方法的一致性。最后,我们讨论了离散化策略的随机梯度过程和数值实验。
2021-01-10 cs.LG cs.NA math.NA
Formalization of a Stochastic Approximation Theorem
University of Pittsburgh(匹兹堡大学);IBM Research(IBM研究院);IHÉS(法国高等科学研究所)
随机近似算法是在目标未知且直接观测被噪声破坏的环境中用于近似目标值的迭代过程。这些算法是有用的,例如,当目标函数或模型不直接已知时,用于寻根和函数最小化。随机逼近最初是由Robbins和Monro在1951年的一篇论文中提出的,该领域已经有了巨大的发展,并影响了从自适应信号处理到人工智能的应用领域。作为一个例子,随机梯度下降算法是基于随机逼近理论的,它在机器学习的各个子域中普遍存在。在本文中,我们给出了一个正式的证明(在Coq证明助手)的一般收敛性定理,由于Aryeh Dvoretzky,这意味着收敛的重要经典方法,如Robbins-Monro和Kiefer-Wolfowitz算法。在这个过程中,我们建立了一个全面的Coq图书馆的测度论概率论和随机过程。
2022-08-08 cs.LG cs.LO cs.PL
A proof of convergence for stochastic gradient descent in the training of artificial neural networks with ReLU activation for constant target functions
University of Münster(明斯特大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
在这篇文章中,我们研究了随机梯度下降(SGD)最优化方法在训练具有ReLU激活的全连接前馈人工神经网络中的应用。本文的主要结果证明了当目标函数为常数时,SGD过程的风险收敛于零。在建立的收敛结果所考虑的人工神经网络包括一个输入层,一个隐藏层,和一个输出层(与$d \in \mathbb{N}$神经元上的输入层,$H \in \mathbb{N}$神经元上的隐藏层,和一个神经元上的输出层)。假设SGD过程的学习速率足够小,并且假设SGD过程中用于训练人工神经网络的输入数据是独立且同分布的。
2021-04-01 cs.LG cs.NA math.NA
Renewal theory for Brownian motion with stochastically gated targets
Imperial College London(帝国理工学院)
本文提出了一种再生理论,用于分析布朗运动中随机门控目标的首次通过时间问题,通过构建再生方程来整合随机门控机制。
2026-01-19 cond-mat.stat-mech math.PR
A Continuous-time Stochastic Gradient Descent Method for Continuous Data
Princeton University(普林斯顿大学);Heriot-Watt University(赫瑞-瓦特大学);Technische Universiteit Delft(代尔夫特理工大学);University of Cambridge(剑桥大学)
本文提出一种连续时间随机梯度下降方法,通过将梯度流与连续时间索引过程耦合来处理连续数据优化问题,分析了其逼近性质、长期行为和遍历性,并在多项式回归和物理信息神经网络中验证了适用性。
2021-12-07 cs.LG math.PR math.ST