In recent years a large literature on deep learning based methods for the numerical solution partial differential equations has emerged; results for integro-differential equations on the other hand are scarce. In this paper we study deep neural network algorithms for solving linear and semilinear parabolic partial integro-differential equations with boundary conditions in high dimension. To show the viability of our approach we discuss several case studies from insurance and finance.
翻译：近年来,出现了大量关于数字解决方案部分差异方程式基于深层次学习方法的大量文献;另一方面,异种差异方程式的结果很少。在本文中,我们研究了深度神经网络算法,以解决具有高度边界条件的线性和半线性半线性抛物线性局部异种方程式。为了显示我们方法的可行性,我们讨论了保险和金融方面的几个案例研究。
相关内容
神经网络（Neural Networks）是世界上三个最古老的神经建模学会的档案期刊:国际神经网络学会(INNS)、欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。神经网络提供了一个论坛，以发展和培育一个国际社会的学者和实践者感兴趣的所有方面的神经网络和相关方法的计算智能。神经网络欢迎高质量论文的提交，有助于全面的神经网络研究，从行为和大脑建模，学习算法，通过数学和计算分析，系统的工程和技术应用，大量使用神经网络的概念和技术。这一独特而广泛的范围促进了生物和技术研究之间的思想交流，并有助于促进对生物启发的计算智能感兴趣的跨学科社区的发展。因此，神经网络编委会代表的专家领域包括心理学，神经生物学，计算机科学，工程，数学，物理。该杂志发表文章、信件和评论以及给编辑的信件、社论、时事、软件调查和专利信息。文章发表在五个部分之一:认知科学，神经科学，学习系统，数学和计算分析、工程和应用。
官网地址：http://dblp.uni-trier.de/db/journals/nn/
专知会员服务
25+阅读 · 2020年3月27日
Arxiv
0+阅读 · 2021年11月16日
Arxiv
0+阅读 · 2021年11月14日
相关主题
相关VIP内容
专知会员服务
25+阅读 · 2020年3月27日
相关资讯
相关论文
Arxiv
0+阅读 · 2021年11月16日
Arxiv
0+阅读 · 2021年11月14日
微信扫码咨询专知VIP会员