通过采样区间高阶修正提升双变量跳跃-扩散模型数据驱动重构的精度
数据分析、统计与概率
2021-05-26 v1 混沌动力学
摘要
我们评估了最近提出的双变量跳跃-扩散模型对于复杂动力系统间相互作用的数据驱动刻画的重要意义。针对多种耦合与非耦合的跳跃-扩散过程，我们发现时间序列数据不可避免的有限采样区间会对重构底层跳跃-扩散方程所需的高阶条件矩的重构精度产生负面影响。我们推导了采样区间高阶条件矩的修正项，并证明其能够大幅提升数据驱动重构精度的适用性。
引用
@article{arxiv.2101.09728,
title = {Enhancing the accuracy of a data-driven reconstruction of bivariate jump-diffusion models with corrections for higher orders of the sampling interval},
author = {Esra Aslim and Thorsten Rings and Lina Zabawa and Klaus Lehnertz},
journal= {arXiv preprint arXiv:2101.09728},
year = {2021}
}
备注
17 pages, 4 figures