蒙特卡罗方法是一种非常普遍和有用的方法来估计随机模拟产生的期望。然而,它们在计算上可能很昂贵,特别是当生成单个随机样本的成本非常高时,如在随机偏微分方程的情况下。多级蒙特卡罗方法是近年来发展起来的一种方法,它以相对较低的成本执行大多数低精度的模拟,以相对较低的成本执行较高精度的模拟,从而大大降低了计算成本。在本文中,我们回顾了多级蒙特卡罗方法背后的思想,以及各种最近的推广和扩展,并讨论了一些应用,说明了该方法的灵活性和通用性,以及在开发更有效的实现与更快的速度收敛的多级校正方差的挑战。

http://people.maths.ox.ac.uk/~gilesm/files/acta15.pdf

成为VIP会员查看完整内容
57

相关内容

牛津大学发布60页最新《强化学习金融应用进展》综述论文
【干货书】概率,统计与数据,513页pdf
专知会员服务
136+阅读 · 2021年11月27日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【牛津大学博士论文】解释深度神经网络,134页pdf
专知会员服务
216+阅读 · 2020年10月8日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
287+阅读 · 2020年6月3日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
自编码器导论,26页pdf
专知
4+阅读 · 2022年1月18日
【干货书】概率,统计与数据,513页pdf
专知
34+阅读 · 2021年11月27日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
「因果推理」概述论文,13页pdf
专知
16+阅读 · 2021年3月20日
【新书册】贝叶斯神经网络,41页pdf
专知
27+阅读 · 2020年6月3日
基于深度学习的NLP 32页最新进展综述,190篇参考文献
人工智能学家
27+阅读 · 2018年12月4日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+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 · 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
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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
28+阅读 · 2021年9月26日
Arxiv
16+阅读 · 2020年5月20日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
136+阅读 · 2018年10月8日
A Multi-Objective Deep Reinforcement Learning Framework
VIP会员
相关VIP内容
牛津大学发布60页最新《强化学习金融应用进展》综述论文
【干货书】概率,统计与数据,513页pdf
专知会员服务
136+阅读 · 2021年11月27日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【牛津大学博士论文】解释深度神经网络,134页pdf
专知会员服务
216+阅读 · 2020年10月8日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
287+阅读 · 2020年6月3日
【新书册】贝叶斯神经网络,41页pdf
专知会员服务
177+阅读 · 2020年6月3日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
相关资讯
自编码器导论,26页pdf
专知
4+阅读 · 2022年1月18日
【干货书】概率,统计与数据,513页pdf
专知
34+阅读 · 2021年11月27日
【经典书】数理统计学,142页pdf
专知
2+阅读 · 2021年3月25日
「因果推理」概述论文,13页pdf
专知
16+阅读 · 2021年3月20日
【新书册】贝叶斯神经网络,41页pdf
专知
27+阅读 · 2020年6月3日
基于深度学习的NLP 32页最新进展综述,190篇参考文献
人工智能学家
27+阅读 · 2018年12月4日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+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 · 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
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 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
28+阅读 · 2021年9月26日
Arxiv
16+阅读 · 2020年5月20日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
136+阅读 · 2018年10月8日
A Multi-Objective Deep Reinforcement Learning Framework
微信扫码咨询专知VIP会员