PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.29438v2math.OC

분수 브라운 운동으로 구동되는 신경망을 위한 샘플별 역전파 방법

A samplewise backpropagation method for neural networks driven by fractional Brownian motion

본 논문에서는 분수 브라운 운동(fractional Brownian motion)으로 구동되는 잔차 동역학(residual dynamics)을 갖는 분수 확률적 신경망(fractional stochastic neural network)을 개발한다. 이 신경망에 대한 이산 확률적 최대 원리(discrete stochastic maximum principle)를 도입하여 이에 대응하는 인접 재귀(adjoint recursion)를 구성한다. 결정론적(deterministic) 신경망 파라미터에 대해, 투영된 샘플별 확률적 경사하강법(projected samplewise stochastic gradient descent)의 평균제곱 수렴(mean square convergence)을 증명한다. 수치 실험에는 닫힌 형태(closed form) 수렴 테스트, 불확실성 정량화(uncertainty quantification)를 포함한 잡음이 있는 회귀(noisy regression), 장기 기억(long memory) 시간 시계열 생성, 그리고 구조화된 섭동(structured perturbation) 하에서의 이미지 분류가 포함된다. 결과는 분수 구동 항(fractional driver)이 브라운 운동 및 결정론적 기준선(baseline) 대비 장기 기억 복원 또는 강건성(robustness)을 개선하는 설정을 식별한다.

arXiv:2605.12764v3q-fin.MF

무차익거래 조건 하의 변분 오토인코더를 이용한 수익률 곡선 동역학

Yield Curves Dynamics Using Variational Autoencoders Under No-arbitrage

딥러닝의 통계적 유연성과 고정수익(fixed-income) 모델링의 차익거래 무결성 사이의 충돌을 해소하기 위해, Student-t 조건부 변분 오토인코더(CVAEsT+LS)로 수익률 곡선 다양체를 추출하고 무차익거래 PDE로 제약된 신경 확률 미분방정식(Neural SDE)으로 잠재 동역학을 모델링하는 2단계 프레임워크를 제안한다. USD, GBP, JPY 국채 데이터에서 6.58 bps의 샘플 외 예측 오차를 달성하며 고전적 HJM 모델 대비 극단적 거시경제 국면에서의 제로 하한 위반 문제를 성공적으로 극복함을 실증한다.