numerical-methods

本文介绍了局部收敛输入神经网络（NNLCI），用于加速基于PDE的期权定价，结合粗网格和细网格解，在多资产Black–Scholes和Heston模型中将RMSE降低4–12倍。

一篇技术博客文章，介绍分解子域上的随机游走（WODS），这是一种用于求解复杂几何形状下椭圆偏微分方程的无网格蒙特卡罗方法，并与有限差分法和有限元法进行了对比。

AutoPDE是一个代码代理，它显式表示偏微分方程的求解器策略，在PDE Agent Bench上相比基线方法将通过率提高了14.2%。

本文梳理了多种快速双曲正切近似方法——泰勒展开、Padé 逼近、样条曲线及位级技巧，面向神经网络与实时音频场景。