生成器梯度估计器是随机微分方程的伴随状态方法
最优化与控制
2024-07-30 v1 概率论
机器学习
摘要
受过参数化随机微分方程（SDE）如Neural SDEs日益流行的推动，Wang、Blanchet和Glynn最近引入了生成器梯度估计器，这是一种用于SDE的新型无偏随机梯度估计器，其计算时间随参数数量保持稳定。本文演示了该估计器实际上是一种伴随状态方法，这种方法已知在常微分方程（ODE）中随状态数量而非参数数量进行扩展。此外，我们展示了生成器梯度估计器是精确积分路径算法（eIPA）估计器的近似方法后者由Gupta、Rathinam和Khammash为称为随机化化学反应网络（CRNs）的连续时间马尔可夫链（CTMC）类引入。
引用
@article{arxiv.2407.20196,
title = {The generator gradient estimator is an adjoint state method for stochastic differential equations},
author = {Quentin Badolle and Ankit Gupta and Mustafa Khammash},
journal= {arXiv preprint arXiv:2407.20196},
year = {2024}
}