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
- Covariance-Adaptive Sequential Black-box Optimization for Diffusion Targeted Generation [60.41803046775034]
ユーザのブラックボックス目標スコアのみを用いた拡散モデルを用いて,ユーザ優先のターゲット生成を行う方法を示す。
数値実験問題と目標誘導型3次元分子生成タスクの両方の実験により,より優れた目標値を得る上で,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2024-06-02T17:26:27Z) - End-to-End Mesh Optimization of a Hybrid Deep Learning Black-Box PDE Solver [24.437884270729903]
最近の研究では、ディープラーニングを利用して、粗いメッシュ上のPDEソルバによって得られる解を補正するPDE補正フレームワークが提案されている。
このようなPDE補正モデルのエンドツーエンドトレーニングでは、PDEソルバは反復的な数値過程を通じて自動微分をサポートする必要がある。
本研究では,ブラックボックスPDEソルバと流体流予測のためのディープラーニングモデルを用いたハイブリッドモデルのエンドツーエンドトレーニングの実現可能性について検討する。
論文 参考訳(メタデータ) (2024-04-17T21:49:45Z) - A backward differential deep learning-based algorithm for solving high-dimensional nonlinear backward stochastic differential equations [0.6040014326756179]
本稿では,高次元非線形逆微分方程式を解くための新しい逆微分深層学習アルゴリズムを提案する。
ディープニューラルネットワーク(DNN)モデルは、入力やラベルだけでなく、対応するラベルの差分に基づいて訓練される。
論文 参考訳(メタデータ) (2024-04-12T13:05:35Z) - Improving the Adaptive Moment Estimation (ADAM) stochastic optimizer through an Implicit-Explicit (IMEX) time-stepping approach [1.2233362977312945]
古典的アダムアルゴリズムは、基礎となるODEの1次暗黙的明示(IMEX)離散化である。
本稿では,高次IMEX法を用いてODEを解いたAdamスキームの新たな拡張を提案する。
いくつかの回帰問題と分類問題において,従来のAdamよりも優れた性能を示すニューラルネットワークトレーニングのための新しい最適化アルゴリズムを導出する。
論文 参考訳(メタデータ) (2024-03-20T16:08:27Z) - 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) - 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。