論文の概要: A Theory of $θ$-Expectations
- arxiv url: http://arxiv.org/abs/2507.20353v1
- Date: Sun, 27 Jul 2025 16:56:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:57.465711
- Title: A Theory of $θ$-Expectations
- Title(参考訳): θ$-Expectationsの理論
- Authors: Qian Qi,
- Abstract要約: 我々は、ドライバーがポイントワイズ幾何学である微分方程式のクラスのためのフレームワークを開発する。
システムのトラクタビリティは、世界的なユニークかつグローバルな存在を前提としている。
ドライバー関数に対するリプシッツ最大値写像。
- 参考スコア(独自算出の注目度): 2.1756081703276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The canonical theory of stochastic calculus under ambiguity, founded on sub-additivity, is insensitive to non-convex uncertainty structures, leading to an identifiability impasse. This paper develops a mathematical framework for an identifiable calculus sensitive to non-convex geometry. We introduce the $\theta$-BSDE, a class of backward stochastic differential equations where the driver is determined by a pointwise maximization over a primitive, possibly non-convex, uncertainty set. The system's tractability is predicated not on convexity, but on a global analytic hypothesis: the existence of a unique and globally Lipschitz maximizer map for the driver function. Under this hypothesis, which carves out a tractable class of models, we establish well-posedness via a fixed-point argument. For a distinct, geometrically regular class of models, we prove a result of independent interest: under non-degeneracy conditions from Malliavin calculus, the maximizer is unique along any solution path, ensuring the model's internal consistency. We clarify the fundamental logical gap between this pathwise property and the global regularity required by our existence proof. The resulting valuation operator defines a dynamically consistent expectation, and we establish its connection to fully nonlinear PDEs via a Feynman-Kac formula.
- Abstract(参考訳): 半付加性に基づくあいまいさの下での確率計算の正準理論は、非凸不確実性構造に不感であり、識別可能性の欠如をもたらす。
本稿では,非凸幾何学に敏感な同定可能計算のための数学的枠組みを開発する。
後向き確率微分方程式のクラスである$\theta$-BSDEを導入する。
システムのトラクタビリティは凸性ではなく、大域的な解析的仮説、すなわちドライバ関数に対する一意かつ大域的なリプシッツ最大化写像の存在を前提としている。
この仮説の下では、抽出可能なモデルのクラスを彫り出すことができ、固定点の議論を通じて、適切な仮説を確立することができる。
非退化条件の下では、最大化子は任意の解経路に沿って一意であり、モデルの内部整合性を保証する。
我々は、このパスワイズ特性と我々の存在証明に必要な大域的正則性との根本的な論理的ギャップを明らかにする。
結果の付値演算子は動的に一貫した期待値を定義し、Feynman-Kac式を通した完全非線形PDEへの接続を確立する。
関連論文リスト
- Neural Brownian Motion [2.1756081703276]
本稿では,ニューラル・ブラウン運動(NBM)について紹介する。
ボラティリティ関数 $nu_theta$ は事前に仮定されるのではなく、制約 $g_theta(t, M_t, nu_theta(t, M_t)) = 0 で暗黙的に定義される。
悲観的か楽観的であるかは、学習した$thetaによって不均一に決定され、不確実性に対する態度が発見可能な特徴であるモデルに対して厳密な基礎を提供する。
論文 参考訳(メタデータ) (2025-07-19T06:09:52Z) - Neural Expectation Operators [2.1756081703276]
本稿では,非線形予測によるあいまいさをモデル化するためのパラダイムであるtextbfMeasure Learningを紹介する。
我々はニューラル期待演算子を、ドライバがニューラルネットワークによってパラメータ化される後方微分方程式(BSDEs)の解として定義する。
本稿では,建築設計による凸性などの重要な公理特性の強化のための建設的手法を提案する。
論文 参考訳(メタデータ) (2025-07-13T06:19:28Z) - A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。
本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文 参考訳(メタデータ) (2024-05-24T21:09:19Z) - Score-based generative models are provably robust: an uncertainty quantification perspective [4.396860522241307]
本研究では,スコアベース生成モデル (SGM) が実運用において複数の誤差源に対して確実に堅牢であることを示す。
我々の主要なツールは、ワッサーシュタイン不確実性伝播(WUP)定理である。
a) 有限サンプル近似による誤差, (b) 早期停止, (c) スコアマッチング対象選択, (d) スコア関数パラメトリゼーション, (e) 基準分布選択が生成モデルの品質に与える影響を示す。
論文 参考訳(メタデータ) (2024-05-24T17:50:17Z) - Curvature-Independent Last-Iterate Convergence for Games on Riemannian
Manifolds [77.4346324549323]
本研究では, 多様体の曲率に依存しないステップサイズが, 曲率非依存かつ直線的最終点収束率を達成することを示す。
我々の知る限りでは、曲率非依存率や/または最終点収束の可能性はこれまでに検討されていない。
論文 参考訳(メタデータ) (2023-06-29T01:20:44Z) - Convergence of Adam Under Relaxed Assumptions [72.24779199744954]
我々は、アダムがより現実的な条件下で、$O(epsilon-4)$勾配複雑性で$epsilon$-定常点に収束することを示している。
また、Adamの分散還元版を$O(epsilon-3)$の加速勾配複雑性で提案する。
論文 参考訳(メタデータ) (2023-04-27T06:27:37Z) - Towards a Unified Framework for Uncertainty-aware Nonlinear Variable
Selection with Theoretical Guarantees [2.1506382989223782]
モデル不確実性を含む非線形変数選択のためのシンプルで統一的なフレームワークを開発する。
この手法は木アンサンブルのような微分不可能なモデルに対しても一般化可能であることを示す。
論文 参考訳(メタデータ) (2022-04-15T02:12:00Z) - Causal Expectation-Maximisation [70.45873402967297]
ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。
我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。
我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
論文 参考訳(メタデータ) (2020-11-04T10:25:13Z) - A Precise High-Dimensional Asymptotic Theory for Boosting and
Minimum-$\ell_1$-Norm Interpolated Classifiers [3.167685495996986]
本稿では,分離可能なデータの強化に関する高精度な高次元理論を確立する。
統計モデルのクラスでは、ブースティングの普遍性誤差を正確に解析する。
また, 推力試験誤差と最適ベイズ誤差の関係を明示的に説明する。
論文 参考訳(メタデータ) (2020-02-05T00:24:53Z)
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。