In this paper, we extend the logarithmic Euler-Maruyama scheme for stochastic delay differential equation in one dimension to the part where we propose a scheme for a system of stochastic delay differential equations. We then show that the scheme always maintains positivity subject to initial conditions. We then show the convergence of the proposed Euler-Maruyama scheme. With this scheme, all the approximate solutions are positive and the rate of convergence of this scheme is 0.5.


翻译:在本文中,我们把对数极极速延迟差分方程的对数极极极极-海洋山计划扩大至一个层面,即我们提出一个随机延缓差分方程制度的对数,然后我们表明,这个计划总是在初步条件下保持积极性,然后我们显示提议的欧极-海洋计划趋于一致。有了这个计划,所有近似的解决办法都是正的,而这个计划的趋同率是0.5。

0
下载
关闭预览

相关内容

专知会员服务
22+阅读 · 2021年6月22日
专知会员服务
14+阅读 · 2021年5月21日
【ACML2020】张量网络机器学习:最近的进展和前沿,109页ppt
专知会员服务
54+阅读 · 2020年12月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年10月20日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员