arXiv · ML· Jean-Loup Dupret, Patrick Cheridito·· 9 小时前AI 评分20
Deep Pontryagin Learning 框架解决含跳跃的高维连续时间随机控制问题
Deep Pontryagin Learning for Continuous-Time Stochastic Control with Jumps
AI 导读
研究人员提出 Deep Pontryagin Learning 框架，用于解决自然适应跳跃扩散的高维连续时间随机控制问题。 该方法通过 PMP 分离共轭学习与策略改进，利用路径反向传播计算共轭标签并回归至马尔可夫状态，基于数值实验验证了准确性与可扩展性。 证明显示该框架在时间步趋零时收敛于连续时间共轭 BSDE 解。
来源：arXiv · ML · arxiv.org