論文の概要: Novel ANN method for solving ordinary and fractional Black-Scholes
equation
- arxiv url: http://arxiv.org/abs/2105.11240v1
- Date: Mon, 17 May 2021 15:10:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 10:42:33.241629
- Title: Novel ANN method for solving ordinary and fractional Black-Scholes
equation
- Title(参考訳): 正規および分数分数ブラックシェール方程式の新規解法
- Authors: Saeed Bajalan and Nastaran Bajalan
- Abstract要約: 本研究は, 分数次あるいは常順序のブラック・スコルズ偏微分方程式(PDE)を解くための2層ニューラルネットワーク(ANN)を提案する。
複数種類のBlack-Scholesモデルの精度,速度,収束性について報告する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The main aim of this study is to introduce a 2-layered Artificial Neural
Network (ANN) for solving the Black-Scholes partial differential equation (PDE)
of either fractional or ordinary orders. Firstly, a discretization method is
employed to change the model into a sequence of Ordinary Differential Equations
(ODE). Then each of these ODEs is solved with the aid of an ANN. Adam
optimization is employed as the learning paradigm since it can add the
foreknowledge of slowing down the process of optimization when getting close to
the actual optimum solution. The model also takes advantage of fine tuning for
speeding up the process and domain mapping to confront infinite domain issue.
Finally, the accuracy, speed, and convergence of the method for solving several
types of Black-Scholes model are reported.
- Abstract(参考訳): 本研究の主な目的は,二層型ニューラルネットワーク(ANN)を導入して,分数次あるいは常順序のブラック・スコイルズ偏微分方程式(PDE)を解くことである。
まず、離散化法を用いてモデルを正規微分方程式(ODE)の列に変換する。
そして、それぞれのODEはANNの助けを借りて解決される。
adam氏の最適化は学習パラダイムとして採用されており、実際の最適なソリューションに近づくと最適化のプロセスが遅くなるという予知を加えることができる。
このモデルは、プロセスとドメインマッピングをスピードアップして無限のドメイン問題に直面するための微調整の利点も生かしている。
最後に,複数種類のブラックスコールモデルの精度,速度,収束性について報告する。
関連論文リスト
- Gaussian Mixture Solvers for Diffusion Models [84.83349474361204]
本稿では,拡散モデルのためのGMSと呼ばれる,SDEに基づく新しい解法について紹介する。
画像生成およびストロークベース合成におけるサンプル品質の観点から,SDEに基づく多くの解法よりも優れる。
論文 参考訳(メタデータ) (2023-11-02T02:05:38Z) - Burgers' pinns with implicit euler transfer learning [0.0]
バーガーズ方程式は、いくつかの現象の計算モデルにおいて確立されたテストケースである。
本稿では,バーガース方程式を解くために,暗黙のオイラー変換学習手法を用いた物理情報ニューラルネットワーク(PINN)の適用について述べる。
論文 参考訳(メタデータ) (2023-10-23T20:15:45Z) - Accelerated primal-dual methods with enlarged step sizes and operator
learning for nonsmooth optimal control problems [3.1006429989273063]
本稿では,異なる種類の変数を個別に扱える原始双対法の適用に焦点をあてる。
ステップサイズが大きい高速化された原始双対法では、元の原始双対法を数値的に高速化しながら、その収束を厳密に証明することができる。
演算子学習アクセラレーションのために、関連するPDEのためのディープニューラルネットワークサロゲートモデルを構築する。
論文 参考訳(メタデータ) (2023-07-01T10:39:07Z) - An Optimization-based Deep Equilibrium Model for Hyperspectral Image
Deconvolution with Convergence Guarantees [71.57324258813675]
本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。
新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。
導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
論文 参考訳(メタデータ) (2023-06-10T08:25:16Z) - On Accelerating Diffusion-Based Sampling Process via Improved
Integration Approximation [12.882586878998579]
拡散に基づく生成モデルをサンプリングする一般的なアプローチは、常微分方程式(ODE)を解くことである。
改良された積分近似(IIA)を用いて特定の係数を最適化することにより、人気のあるODEベースのサンプリングプロセスの高速化を検討する。
また,IIA-EDM,IIA-DDIM,IIA-DPM-rを用いて,FIDスコアを従来よりも大幅に向上できることが示唆された。
論文 参考訳(メタデータ) (2023-04-22T06:06:28Z) - Neural Basis Functions for Accelerating Solutions to High Mach Euler
Equations [63.8376359764052]
ニューラルネットワークを用いた偏微分方程式(PDE)の解法を提案する。
ニューラルネットワークの集合を縮小順序 Proper Orthogonal Decomposition (POD) に回帰する。
これらのネットワークは、所定のPDEのパラメータを取り込み、PDEに還元順序近似を計算する分岐ネットワークと組み合わせて使用される。
論文 参考訳(メタデータ) (2022-08-02T18:27:13Z) - Semi-Implicit Neural Solver for Time-dependent Partial Differential
Equations [4.246966726709308]
本稿では,PDEの任意のクラスに対して,データ駆動方式で最適な反復スキームを学習するためのニューラルソルバを提案する。
従来の反復解法に類似したニューラルソルバの正当性と収束性に関する理論的保証を提供する。
論文 参考訳(メタデータ) (2021-09-03T12:03:10Z) - Recent advances in Bayesian optimization with applications to parameter
reconstruction in optical nano-metrology [0.0]
光ナノメートル法では 再構築が一般的な問題です
本稿では,2つのアプローチを組み合わせたベイズ目標ベクトル最適化手法を提案する。
提案手法は一般に、類似の再構成性能を達成するために、競合するどのスキームよりもモデル関数の呼び出しが少ないことが判明した。
論文 参考訳(メタデータ) (2021-07-12T15:32:15Z) - dNNsolve: an efficient NN-based PDE solver [62.997667081978825]
ODE/PDEを解決するためにデュアルニューラルネットワークを利用するdNNsolveを紹介します。
我々は,dNNsolveが1,2,3次元の幅広いODE/PDEを解くことができることを示す。
論文 参考訳(メタデータ) (2021-03-15T19:14:41Z) - Meta-Solver for Neural Ordinary Differential Equations [77.8918415523446]
本研究では,ソルバ空間の変動がニューラルODEの性能を向上する方法について検討する。
解法パラメータ化の正しい選択は, 敵の攻撃に対するロバスト性の観点から, 神経odesモデルに大きな影響を与える可能性がある。
論文 参考訳(メタデータ) (2021-03-15T17:26:34Z) - GACEM: Generalized Autoregressive Cross Entropy Method for Multi-Modal
Black Box Constraint Satisfaction [69.94831587339539]
本稿では,マスク付き自己回帰ニューラルネットワークを用いて解空間上の均一分布をモデル化するクロスエントロピー法(CEM)を提案する。
我々のアルゴリズムは複雑な解空間を表現でき、様々な異なる解領域を追跡できる。
論文 参考訳(メタデータ) (2020-02-17T20:21:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。