研究者提出用于偏微分方程求解的结构化神经求解器BeTINN

1. 12:00
   arXiv 机器学习

   超越时间归纳：用于参数化随机波动率定价的结构化条件神经求解器

   研究人员提出了用于求解参数化偏微分方程的结构化条件架构 BeTINN，通过多向时间-参数条件调制与联合残差通路扩展时间归纳机制。在包含混合导数与一阶、二阶敏感度的 Heston 随机波动率模型评测中，BeTINN 在归一化期权价值和关键敏感度指标上均优于基线模型。实验还表明验证集物理损失不能完全决定微分保真度，准确的解值可能与局部导数误差并存。

当前热度 9·可比范围峰值 10（10月15日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。