0 戴万阳教授倒向随机偏微分方程与机器学习金融大模型研究取得新进展 <p>近日，南京大学戴万阳教授在倒向随机偏微分方程与机器学习金融大模型研究取得新突破，在大模型回归学习训练求解上发展了新方法新体系。文章发表在《美国数学科学会数学杂志复杂系统数学建模与仿真特刊》上。</p> <p>戴万阳教授针对强非线性倒向随机偏微分方程设计了结构保持逼近体系并发展了新的机器学习算法有效解决了金融学中一个著名方程数值仿真求解的问题，进而将其创立的倒向随机偏微分方程一般体系框架与方法成功地应用到该强非线性的情况。</p> <img class="lazy"src="images/KYDT/nanjing1.png" style="width: 100%;" class="lazy" /> <p style="text-align:center;">卷积神经网络机器学习算法流程与大模型训练数值结果与性能比较</p> <p>图片来源于《美国数学科学会数学杂志复杂系统数学建模与仿真特刊》</p> <p>结果显示：所设计结构保持逼近体系与新的机器学习算法有较快的收敛速度与数值稳定性，其大模型训练的数值结果与金融分析理论上推导的决策方案一致，进而从数值上证明了所设计方法与算法的有效性。</p> <p>相关信息：<a href="https://www.aimspress.com/article/doi/10.3934/math.2024909" class="lazy">https://www.aimspress.com/article/doi/10.3934/math.2024909</a></p> <p>引用格式：W. Dai. Simulating a strongly nonlinear backward stochastic partial differential equation via efficient approximation and machine learning. AIMS Mathematics (Special Issue: Advances in Mathematical Modeling and Simulation of Complex Systems) 9(7) 18688-18711, 2024</p> <p>作者介绍: </p> <p> <img class="lazy"src="images/KYDT/nanjing2.jpg" style="width: 200px;" class="lazy" /> </p> <p>戴万阳：南京大学数学系教授(博导)、苏硖控制首席科学家、美国(量子计算与区块链)论坛协会SIR Forum理事长、IEEE/ACM等国际会议大会主席、江苏省概率统计学理事长、江苏省应用统计学会监事会主席、江苏省大数据区块链与智能信息专委会主任；国家自然科学奖励委员会数学学科会评委员(随机分析组长)；获美国乔治亚理工大学（Georgia Institute of Technology）博士学位；曾任美国电报电信(现称诺基亚)贝尔实验室(Bell Labs)永久科学家、重大/重点项目首席科学家；在IEEE/ACM等众多国际会议作特邀大会主旨报告并在众多国际品牌期刊杂志上发表有影响的学术论文。</p> 计算机学域 1062 2024-06-06 ResearchDetail.aspx?id=w60Hc66paOCBoWzrismpCw_0_0 西安交大科研团队在相变人工电子突触领域取得重要进展 ResearchDetail.aspx?id=pVqhMkV2ILOEc3_1IthbJOg_0_0 张捷研究员团队联合华东师范大学提出链路建模和预测的新型拓扑表征框架