arXiv ID:
2606.04324
arXiv 提交日期: 2026-06-03
基于神经伽辽金归一化流的不可达边界扩散过程贝叶斯推断 / Neural Galerkin Normalizing Flows for Bayesian Inference of Diffusions with Inaccessible Boundaries
1️⃣ 一句话总结
本文提出了一种结合神经伽辽金方法和归一化流的新架构,通过高效学习扩散过程的转移密度函数,实现了对具有不可达边界(如随机波动率模型)的复杂随机过程的快速贝叶斯推断,大幅降低了传统方法需要反复求解方程或模拟扩散桥的计算成本。