这本书是用两位作者博士论文中的材料和大量全新材料扩充而成的,主要内容是随机微分方程(SDEs)在诸如目标跟踪和医学技术等领域的应用,特别是它们在诸如滤波、平滑、参数估计和机器学习等方法中的应用。

这本书的主题是随机微分方程(SDE)。顾名思义,它们实际上是微分方程,每次求解时都会产生不同的“答案”或解轨迹。这种奇特的行为给它们提供了在广泛的应用中对不确定性建模有用的特性,但同时也使SDE的严格数学处理变得复杂。

这本书的重点是应用,而不是理论方面的SDE,因此,我们选择以一种我们认为支持从应用角度学习SDE的方式来构建这本书 。在这几章中,我们试图提供一个实例、实践应用的理论和方法的结果。每一章还包含一套代表性的分析和动手练习的项目,可以用来测试和加深对主题的理解。

成为VIP会员查看完整内容
37

相关内容

随机微分方程包括鞅表示论、变分不等式和随机控制等内容。随机微分方程在数学以外的许多领域有着广泛的应用,它对数学领域中的许多分支起着有效的联结作用。
【2020新书】监督机器学习,156页pdf,剑桥大学出版社
专知会员服务
150+阅读 · 2020年6月27日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
225+阅读 · 2020年5月2日
【2020新书】如何认真写好的代码和软件,318页pdf
专知会员服务
63+阅读 · 2020年3月26日
421页《机器学习数学基础》最新2019版PDF下载
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
干货|掌握机器学习数学基础之优化[1](重点知识)
机器学习研究会
9+阅读 · 2017年11月19日
机器学习实践指南
Linux中国
8+阅读 · 2017年9月28日
Seeing What a GAN Cannot Generate
Arxiv
7+阅读 · 2019年10月24日
Arxiv
6+阅读 · 2018年10月3日
Learning to Importance Sample in Primary Sample Space
Arxiv
5+阅读 · 2018年5月28日
Arxiv
5+阅读 · 2018年5月1日
VIP会员
相关资讯
相关论文
微信扫码咨询专知VIP会员