项目名称: 约束Markov过程的大偏差与拟遍历性及相关问题

项目编号: No.11271220

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 陈金文

作者单位: 清华大学

项目金额: 50万元

中文摘要: 大偏差与遍历性是现代Markov过程理论中的重要课题,不但具有丰富的理论,也有广泛的应用。它们之间有着密切的联系。自从Donsker-Varadhan创立了Markov过程大偏差的现代理论以来,大部分重要结果都建立在对过程较强的遍历性或可逆性假设之下。本项目主要研究约束Markov过程的大偏差与拟遍历性,其中包括吸收Markov过程。这类过程也具有广泛的实际背景,但不具备经典意义下的遍历性。研究这类过程的条件大偏差行为和遍历性具有重要的理论和应用价值。由于缺乏强遍历条件下的各种一致估计,需要对过程的演化作更精细的局部估计。本项目的主要目标是建立这种条件大偏差、拟遍历性和另外两个重要课题- - 拟平稳分布和Dirichlet特征值- - 之间的内在联系。

中文关键词: 马尔可夫过程;大偏差;遍历性;平稳分布;

英文摘要: Large deviation and ergodicity are two important topics in the theory of Markov process, with close relationship between them. Since the founding of morden theory of large deviations for Markov processes by Dosker-Varadhan,most of successive important results were obtained under certain assumptions on strong ergodicity or reversibility. In this project, large deviations and Quasi-ergodicity for constrained Markov processes, including absorbing Markov processes, will be investigated. Such kinds of processes have wide range of applications, but are not ergodic in the classical sense. The study of large deviation and ergodic behaviors for such processes under constrains is of both theoretical and applied great significance.Since various uniform estimation are usually no longer available due to the lack of strong ergodicity, refined local estimation are needed. The main object of this project is indeed to establish some intrinsic relationship among these two topics and two other important topics- - Quasi-ergodicity and Dirichlet eigenvalues.

英文关键词: Markov process;large deviation;ergodicity;stationary distribution;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
125+阅读 · 2021年8月25日
专知会员服务
21+阅读 · 2021年6月26日
[WWW2021]图结构估计神经网络
专知会员服务
42+阅读 · 2021年3月29日
专知会员服务
111+阅读 · 2021年3月23日
【哈佛经典书】概率论与随机过程及其应用,382页pdf
专知会员服务
61+阅读 · 2020年11月14日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
【2022新书】强化学习工业应用
专知
17+阅读 · 2022年2月3日
【斯坦福经典书】熵与信息论,311页pdf
专知
5+阅读 · 2021年3月23日
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
从动力学角度看优化算法:GAN的第三个阶段
PaperWeekly
11+阅读 · 2019年5月13日
机器学习中的最优化算法总结
人工智能前沿讲习班
22+阅读 · 2019年3月22日
零基础概率论入门:最大似然估计
论智
12+阅读 · 2018年1月18日
GAN的数学原理
算法与数学之美
14+阅读 · 2017年9月2日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
22+阅读 · 2019年11月24日
Arxiv
22+阅读 · 2018年8月30日
小贴士
相关VIP内容
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
32+阅读 · 2021年9月7日
专知会员服务
125+阅读 · 2021年8月25日
专知会员服务
21+阅读 · 2021年6月26日
[WWW2021]图结构估计神经网络
专知会员服务
42+阅读 · 2021年3月29日
专知会员服务
111+阅读 · 2021年3月23日
【哈佛经典书】概率论与随机过程及其应用,382页pdf
专知会员服务
61+阅读 · 2020年11月14日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
相关资讯
【2022新书】强化学习工业应用
专知
17+阅读 · 2022年2月3日
【斯坦福经典书】熵与信息论,311页pdf
专知
5+阅读 · 2021年3月23日
论文浅尝 | GMNN: Graph Markov Neural Networks
开放知识图谱
20+阅读 · 2020年2月14日
从动力学角度看优化算法:GAN的第三个阶段
PaperWeekly
11+阅读 · 2019年5月13日
机器学习中的最优化算法总结
人工智能前沿讲习班
22+阅读 · 2019年3月22日
零基础概率论入门:最大似然估计
论智
12+阅读 · 2018年1月18日
GAN的数学原理
算法与数学之美
14+阅读 · 2017年9月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员