Path-space information bounds for uncertainty quantification and sensitivity analysis of stochastic dynamics
不确定性量化是复杂随机动力学可靠建模和仿真的主要挑战。这些问题通常受到不完整信息的困扰,这些信息可能作为模型参数甚至模型本身的不确定性而进入。此外,由于它们的动态性质,我们需要评估这些不确定性对随机模型的瞬态和长期行为的影响,并推导出相应的不确定性边界的感兴趣的观测。一类特殊的挑战是模型中的参数不确定性,特别是灵敏度分析以及随机动态的相应灵敏度界限。此外,在具有大量参数的模型中,灵敏度分析可能会进一步复杂化,这些参数使得直接的方法(例如梯度法)变得不切实际。在本文中,我们推导出不确定性和灵敏度界的道路空间可观的随机动力学的新目标为导向的分歧,后者包括可观的和信息论对象,如相对熵率。这些界限是紧的,取决于特定的可观察的方差,并且可以通过蒙特卡罗模拟计算。在灵敏度分析的情况下,导出的灵敏度界限依赖于路径Fisher信息矩阵,因此它们仅依赖于局部动态并且是无梯度的。这些特征允许在具有大量参数的系统中计算高效的实现,例如,复杂的反应网络和分子模拟。
2015-07-14 math.PR
A Stochastic Algorithm for Parametric Sensitivity in Smoluchowski's Coagulation Equation
本文介绍了一种随机粒子系统对Smoluchowski凝聚方程参数敏感性的近似。参数敏感性是方程的解相对于某个参数的导数,其中凝结核取决于该参数。证明了随着粒子数N的增加,粒子系统弱收敛于灵敏度。蒙特卡罗算法的开发和方差减少技术的应用。数值实验进行了两个内核:添加剂内核和一个已被用于研究烟灰形成在一个自由的分子政权。经验表明,方差减少的技术确实是非常有效的,收敛的顺序是O(1/N)。然后,该算法进行比较的算法的基础上的有限差分近似的灵敏度,它被发现的灵敏度估计的方差是大大低于有限差分方法。此外,建立“效率”的两种方法被认为是新的算法被发现是显着更有效。
2009-10-21 math.PR
A Stochastic Model of Chemorepulsion with Additive Noise and Nonlinear Sensitivity
本文研究一维环面上带加性噪声与非线性敏感度的化学排斥SPDE,证明其全局唯一解、马尔可夫半群、唯一不变测度及指数收敛,并给出比高斯更重的尾界。
2022-03-04 math.PR
An efficient and unbiased method for sensitivity analysis of stochastic reaction networks
研究了反应网络马尔可夫模型的参数灵敏度估计问题。灵敏度值测量输出对模型参数的响应。它们有助于分析网络,了解其鲁棒性,并识别特定输出的重要反应。灵敏度值通常使用执行有限差分计算以及反应动力学的蒙特卡罗模拟的方法来估计。这些方法计算效率高,易于实现,但它们会产生有偏差的估计,对于某些应用程序可能是不可靠的。此外,偏差的大小通常是未知的,因此这些方法的准确度无法轻易确定。也存在无偏方案的灵敏度估计,但这些计划可以计算上是不可行的,即使是简单的网络。本文的目标是提出一种新的灵敏度估计方法,它结合了有限差分法的计算效率和无偏格式的精度。我们的方法很容易实现,它依赖于一个精确的表示参数的敏感性,我们最近证明了在早期的文件。通过例子,我们表明,该方法可以优于现有的方法,无论是有偏的和无偏的,在许多情况下。
2014-04-17 math.PR
Sensitivity analysis for stochastic chemical reaction networks with multiple time-scales
化学反应网络的随机模型是近年来研究的热点。对于这样的模型,参数灵敏度的估计是一个重要的和具有挑战性的问题。敏感度值有助于分析网络,了解其鲁棒性,并确定给定结果的关键反应。大多数的方法,存在于文献中的参数敏感性的估计,依赖于Monte Carlo模拟使用Gillespie的随机模拟算法或其变种。众所周知,当网络包含在不同时间尺度激发的反应时,这种模拟方法可能非常昂贵,这是许多重要的生物化学网络的特征。对于这样的网络,通常可以利用时间尺度分离,并通过模拟“简化”模型来近似捕获原始动态,该模型通过以某种方式消除快速反应而获得。本文的目的是将这些模型降阶技术与灵敏度分析结合起来。我们证明了在一定条件下,降阶模型的灵敏度值可以近似地恢复原模型的灵敏度值。通过一个例子,我们说明了我们的结果可以帮助大幅减少计算成本的多时间尺度的反应网络的参数灵敏度估计。为了证明我们的结果,我们使用耦合参数的基础上的随机时变表示的库尔茨。我们还利用了马尔可夫链和多维波动方程的占据时间分布之间的某些联系。
2013-10-07 math.PR
Stochastic Averaging and Sensitivity Analysis for Two Scale Reaction Networks
在反应网络中存在多尺度动力学的情况下,直接模拟方法变得低效,因为它们只能在最小尺度上推进系统。这项工作提出了随机平均技术,以加速计算获得估计的期望值和灵敏度相对于稳态分布。一个双时间尺度的配方是用来建立由平均方法引起的偏差的界限。此外,这个公式提供了一个框架,以创建一个加速的“平均”版本的最单一尺度的敏感性估计方法。特别是,我们提出了一个新的低方差遍历似然比型估计的稳态状态估计,并显示如何可以适应它加速模拟的多尺度systems.Finally,我们开发了一个自适应的“批量平均”停止规则,以确定何时终止的微平衡过程。
2015-12-31 math.PR
Regularity and Sensitivity for McKean-Vlasov SPDEs
本文的第一部分对非线性McKean-Vlasov扩散方程进行了灵敏度分析,在对系数作了相当一般的假设的情况下,着重对解及其导数关于初值的增长性作了精确的估计。由于噪声通常被假定为无界的,因此在处理这些具有随机系数的方程的延拓时,精确的估计变得特别重要。第二部分包含我们处理随机McKean-Vlasov扩散敏感性的主要结果。利用随机特征线方法,我们将这些方程转化为具有随机系数的非随机方程,从而使第一部分中得到的估计成为可能。研究McKean-Vlasov随机偏微分方程灵敏度的动机自然来自于对具有共同噪声的平均场博弈的分析。
2017-10-29 math.PR
Stochastic functional differential equations and sensitivity to their initial path
我们考虑由随机泛函微分方程表示的具有记忆的系统。基本上,这些是随机微分方程,其系数取决于过程本身的过去历史。这样的系数因此被定义在函数空间上。具有记忆的模型出现在从生物学到金融学的许多应用中。在这里,我们考虑基于这些模型的一些评估结果(例如,一些金融产品的价格)和与这些模型的选择相关的风险。特别是,我们专注于初始条件对评估的影响。这个问题被称为对初始条件的敏感性分析,在金融术语中,它被称为Delta。在这项工作中的初始条件表示的随机泛函微分方程的有关过去的历史。这自然导致了Delta定义的重新设计。我们建议将它定义为一个泛函方向导数,这是一个自然的选择。为此,我们研究了一个表示公式,它允许其计算,而不需要评估功能是可微的。此功能与应用程序特别相关。通过研究Malliavin导数与泛函方向导数之间的一种恰当的关系,得到了该公式。为此,我们介绍了{ \it随机化的初始条件}的技术。
2017-01-22 math.PR
Estimation of parameter sensitivities for stochastic reaction networks using tau-leap simulations
我们考虑的重要问题,估计参数的灵敏度随机模型的反应网络,描述的动态连续时间马尔可夫过程在离散格。这些灵敏度值对于理解网络特性、验证其设计和识别关键模型参数非常有用。许多方法的灵敏度估计已被开发,但其计算的可行性遭受的关键瓶颈,需要耗时的Monte Carlo模拟的确切的反应动力学。为了避免这个问题,人们需要设计出一些方法,在加速计算的同时,承受可接受的和可量化的准确性损失。我们开发了这样一种方法,首先推导出一种新的整表示的参数灵敏度,然后证明,这个积分可以近似任何收敛的τ-飞跃方法。我们的方法是易于实现的,工程与任何τ-飞跃的模拟计划,其精度被证明是类似的底层τ-飞跃计划。我们通过数值例子证明了我们的方法的效率。我们还比较了我们的方法与τ-飞跃版本的某些有限差分格式,通常用于敏感性估计。
2018-01-11 math.PR
Max-plus Stochastic Control and Risk-sensitivity
在Maslov幂等概率演算中,随机变量的期望被定义为相对于最大加和标量乘法是线性的。本文研究了以最小化某个最大加性运行费用的最大加性期望为目标的控制问题。这样的问题自然出现的某些类型的风险敏感随机控制问题的限制。该值函数是动态规划的一个拟变分不等式的黏性解.这个QVI的非线性抛物型偏微分方程的不连续哈密顿量的等价性被用来证明粘性下,上解决方案的比较定理。给出了一个数学金融的例子,并简述了它在非线性H ∞控制中的应用。
2009-01-20 math.OC math.PR
Sensitivity of steady states in a degenerately-damped stochastic Lorenz system
本文研究了Lorenz '63模型的随机驱动和退化阻尼解的稳定性。具体地说,我们证明了当阻尼是不存在的温度分量之一,系统具有唯一不变的概率测度当且仅当噪声作用于对流变量。另一方面,如果有一个积极的增长项的垂直温度分布,我们证明了没有归一化不变的状态。我们的方法依赖于非平凡的李雅普诺夫函数的推导和分析,以确保积极的复发或零复发/瞬态的动态。
2020-09-17 math.DS math.PR
Regularity and Sensitivity for McKean-Vlasov Type SPDEs Generated by Stable-like Processes
本文研究了由类稳定过程生成的非线性McKean-Vlasov型随机微分方程的灵敏度。利用随机特征线方法,我们将这些方程转化为具有随机系数的非随机方程,从而使以前工作中对由类稳定过程产生的McKean-Vlasov型非线性偏微分方程所得到的结果成为可能。研究非线性McKean-Vlasov随机偏微分方程灵敏度的动机自然来自于对具有共同噪声的平均场博弈的分析。
2018-08-13 math.OC math.PR
Forward sensitivity analysis for contracting stochastic systems
Department of Computer Science, Graduate Center of CUNY(纽约市立大学研究生中心计算机科学系);Brookhaven National Laboratory(布鲁海文国家实验室)
本文研究了收缩随机系统中梯度估计的条件,通过可微性和Wasserstein距离收缩性保证平稳成本的可微性,并提出一种扩展的前向敏感性分析方法用于确定性系统。
2018-04-24 cs.NA math.NA math.OC
Parallel replica dynamics method for bistable stochastic reaction networks: simulation and sensitivity analysis
University of Delaware(特拉华大学)
本文提出并行复制方法加速双稳随机反应网络的稳态分布采样,并结合路径空间信息界进行参数灵敏度分析,通过Schlögl模型和基因开关网络验证方法有效性。
2017-05-18 cs.NA math.NA math.PR
Pathwise Stochastic Control with Applications to Robust Filtering
我们研究的问题,路径随机最优控制,其中的优化是为每个固定实现的驾驶噪音,措辞的问题,在粗糙的最优控制微分方程。我们调查的退化现象引起的直接控制噪声项的系数,并提出了一个简单的程序来解决这种退化,同时保留动态规划。作为一个应用,我们使用路径随机控制的背景下,随机滤波器构造的过滤器是强大的参数不确定性,展示了原始的应用粗糙路径理论的统计。
2019-06-12 math.PR
Malliavin derivative and sensitivity for optimal liquidation
本研究证明带终端奇异性的倒向随机微分方程解的Malliavin导数存在性,推导其终端附近渐近行为,并将结果应用于偏微分方程正则性与最优清算灵敏度分析。
2025-05-20 math.PR
Sensitivity Analysis for Mean-Field SDEs With Jump By Malliavin Calculus: Chaos Expansion Approach
本文研究了带跳扩散平均场随机微分方程的敏感性分析,通过混沌方法定义Malliavin导数并建立显式扩展公式,证明了Euler方法收敛性,且实验表明Malliavin Monte-Carlo计算比有限差分法更高效。
2025-02-02 math.PR
A Relative Entropy Rate Method for Path Space Sensitivity Analysis of Stationary Complex Stochastic Dynamics
提出了一种基于相对熵率的复杂随机动力学灵敏度分析方法。该方法在过程的平稳状态下变得在计算上可行,并且涉及在路径空间中计算相对熵率和相应的Fisher信息矩阵的合适的可观测量。静态制度是至关重要的随机动力学,在这里,使我们能够解决复杂系统的灵敏度分析,包括具有复杂景观的过程,表现出亚稳态,不可逆系统从统计力学的角度来看,高维,空间分布的模型的例子。所有这些系统表现出,典型的非高斯平稳概率分布,而在高维的情况下,直方图是不可能直接构建。我们提出的方法绕过这些挑战,依赖于严格推导的观测值的路径空间中的相对熵率和Fisher信息,而不是在固定的概率分布本身的直接蒙特卡罗模拟。我们展示了所提出的方法的能力,在这里集中在两类问题:(a)朗之万粒子系统,无论是可逆的(梯度)或不可逆的(非梯度)强迫,突出的能力的方法进行灵敏度分析的非平衡系统;和(b)空间扩展的动力学蒙特卡罗模型,表明该方法可以处理高维问题。
2012-10-26 math-ph math.MP math.PR
Global sensitivity analysis for models described by stochastic differential equations
Univ. Grenoble Alpes(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所);Grenoble INP(格勒诺布尔理工学院)
本文研究了由随机微分方程描述的模型中参数不确定性对感兴趣量变异性影响的全局灵敏度分析,采用Sobol指数和多项式混沌展开与随机伽辽金投影方法进行分析。
2018-11-20 cs.NA math.AP math.NA
Error calculus and path sensitivity in financial models
在风险管理的框架下,为了研究随机金融模型中的定价和套期保值对参数变化和股票价格扰动的敏感性,本文提出了一种基于Dirichlet形式的Malliavin演算的扩展误差演算.虽然在物理学中也很有用,但这种误差演算很好地适应了随机分析,似乎是金融学中最实用的。这里直观地解释了这个工具,并提供了一些简单的示例。
2006-10-16 math.PR q-fin.RM
Pathwise Sensitivity Analysis in Transient Regimes
University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
本文提出瞬时相对熵和瞬时Fisher信息矩阵用于暂态随机过程的敏感性分析,扩展了适用于平稳过程的相对熵率和Fisher信息矩阵,通过马尔可夫链、连续时间马尔可夫链和随机微分方程三种情况展示其应用。
2015-02-18 cs.NA math.NA math.PR
Sensitivity Analysis of Distributionally Robust BSDEs and RBSDEs
Ecole Polytechnique(巴黎综合理工学院);Tandon School of Engineering(坦登工程学院);New York University(纽约大学)
研究在漂移参考测度不确定性下,分布鲁棒最优控制和最优停止问题中出现的倒向随机微分方程和反射倒向随机微分方程的敏感性,并给出显式公式。
2026-09-23 math.OC math.PR
A finite state projection method for steady-state sensitivity analysis of stochastic reaction networks
考虑标准随机反应网络模型,其中动态由离散格上的连续时间马尔可夫链给出。对于这样的模型,估计参数的灵敏度是一个重要的问题,但现有的计算方法来解决这个问题通常需要耗时的Monte Carlo模拟的反应动力学。因此,这些基于模拟的方法只能在有限的时间间隔内工作,而在马尔可夫链放松到其平稳分布后,在稳态下检查灵敏度值的应用通常是有意义的。本文的目的是提出一种用于估计稳态参数灵敏度的计算方法,该方法不使用模拟,而是依赖于最近开发的稳态有限状态投影(sFSP)算法[J. Chem. Phys. 147,154101(2017)],该算法在固定参数集上提供稳态分布的准确估计。我们表明,在这些参数的敏感性值可以估计从一个泊松方程的解决方案与无穷小生成的马尔可夫链。我们开发了一种方法来数值求解泊松方程,这产生了一个有效的估计稳态参数的灵敏度。我们用几个例子来说明这种方法。
2018-12-11 math.PR q-bio.MN q-bio.QM
Unbiased estimation of parameter sensitivities for stochastic chemical reaction networks
随机化学反应网络的参数灵敏度估计是一个重要而富有挑战性的问题。灵敏度值在化学网络的分析、建模和设计中非常重要。它们有助于理解系统的鲁棒性,也有助于识别给定结果的关键反应。在离散设置中,文献中存在的用于估计参数灵敏度的大多数方法依赖于Monte Carlo模拟以及有限差分计算。然而,这些方法在灵敏度估计中引入了偏倚,并且在大多数情况下,偏倚的大小或方向仍然未知,可能会损害分析的准确性。本文利用Kurtz的随机时变表示导出了参数灵敏度的精确公式。这个公式使我们能够构建一个无偏估计参数的敏感性,这可以有效地使用一个适当的设计蒙特卡罗计划进行评估。现有的文献只包含一种方法来产生这样一个无偏估计。这种方法是由Plyasnovel和Arkin提出的,它是基于Girsanov测度变换。通过几个例子,我们比较我们的方法,这种现有的方法。我们的研究结果表明,我们的方法可以比现有的方法快得多,而计算灵敏度相对于一个反应速率常数,这是小的幅度。该速率常数可能对应于在系统的参考时间尺度中缓慢的反应。由于许多生物系统有这样的缓慢反应,我们的方法可以是一个有用的工具,灵敏度分析。
2012-12-20 math.PR q-bio.QM
Sensitivity analysis in a market with memory
利用随机泛函微分方程研究了一类具有记忆的一般市场模型。本文旨在给出期权价格对记忆依赖性的灵敏度分析的表示公式。这意味着delta概念的推广。
2017-01-22 math.PR q-fin.PR
Maximum principle for discrete-time robust stochastic optimal control problem
针对具有凸控制域的离散时间鲁棒随机最优控制问题,通过弱收敛方法和极小极大定理推导充要条件及变分不等式,并给出离散时间鲁棒投资问题的显式最优控制。
2025-08-24 math.OC math.PR
A general-purpose multi-path stacked coupling for stochastic reaction networks
Department of Mathematics, University of Wisconsin-Madison(威斯康星大学麦迪逊分校数学系)
针对随机反应网络多参数扰动灵敏度估计的效率问题,提出多路径堆叠耦合(MSC)方法,经实验验证其在三类应用中均能实现最小均方根误差,性能优于现有方法。
2026-10-28 cs.NA math.NA math.PR
Sensitivity analysis of Wasserstein distributionally robust optimization problems
考虑一般随机最优化问题对模型不确定性的敏感性。我们采取非参数的方法,并捕获模型的不确定性,使用Wasserstein球周围的假设模型。我们提供了明确的一阶校正的值函数和优化公式,并进一步将我们的结果推广到线性约束下的优化。我们目前的应用统计,机器学习,数学金融和不确定性量化。特别是,我们提供了明确的平方根LASSO回归系数的一阶近似和推导系数收缩相比,普通的最小二乘回归。我们考虑了看涨期权定价的鲁棒性,并推导出一个新的Black-Scholes灵敏度,即所谓Vega的非参数版本。我们还计算了金融中优化的确定性等价物的敏感性,并提出了量化神经网络对对抗性示例的鲁棒性的措施。
2021-11-12 math.OC math.PR math.ST
Parametric Sensitivity Analysis for Models of Reaction Networks within Interacting Compartments
针对相互作用区室内反应网络模型,提出了基于Girsanov变换和耦合的有限差分参数敏感性分析方法,并通过数值实验验证其性能与标准随机反应网络一致,代码已开源。
2025-02-25 cs.NA math.NA math.PR
A game theoretical approach to homothetic robust forward investment performance processes in stochastic factor models
研究了不完全市场中具有模型不确定性的最优远期投资问题,其中标的股票依赖于相关的随机因素。不确定性源于投资者选择的评估业绩的概率度量。将零和随机微分对策与遍历Bundle方法相结合,直接得到了位似鲁棒正向性能过程的因子形式表示。我们还建立了与风险敏感的零和随机微分对策在一个无限的水平遍历支付标准,以及与经典的鲁棒期望效用的长期视野的连接。最后,我们通过一个例子说明,我们的方法可以应用于解决一类具有负实现过程的鲁棒远期投资绩效过程。
2021-05-04 math.PR q-fin.MF q-fin.PM