标签
本文提出了一种用于时变可靠性分析的双域融合LSTM（DDF-LSTM）模型，该模型集成了时间无关的随机变量和随机过程，通过蒙特卡罗模拟高效地估计失效概率。
本文提出了一种统一的去噪扩散框架，用于条件生成图信号，引入了一种新颖的U-GNN架构，将U-Net扩展到图结构数据。该方法在股票价格预测和无线资源分配任务中得到了验证。
本文介绍了一种名为Branched Neural Rough Differential Equations的方法，该方法通过结合粗糙路径理论与神经网络来学习流形和Itô动力学，从而能够对复杂的随机和几何结构进行建模。
Jane Street 为能够将随机过程和马尔可夫链应用于交易的量化分析师提供年薪 75 万美元，而麻省理工学院的一节免费讲座涵盖了类似内容。