Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2504.09452v1

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.09452v1 (math)
[提交于 2025年4月13日 ]

标题: 强阶1的跳扩散SDEs不连续漂移自适应近似

标题: Stong order 1 adaptive approximation of jump-diffusion SDEs with discontinuous drift

Authors:Verena Schwarz
摘要: 我们提出了一种自适应逼近方案,用于具有不连续漂移(以及可能退化扩散)的跳扩散随机微分方程(SDE)。 这种基于变换的双重自适应拟Milstein格式是首个对于这些SDE而言,在平均计算成本下强收敛率为$1$的格式,并且适用于$L^p$的情况$p\in[1,\infty)$。 为了得到我们的结果,我们证明了在比现有文献稍强但仍然较弱的假设下,一个相关的双重自适应拟Milstein格式具有收敛阶$1$。 该格式被称为双重自适应,因为它是一种跳跃适应型,即泊松噪声的所有跳跃时间都是网格点,并且它包含一种自适应步长策略以应对漂移的不连续性。
摘要: We present an adaptive approximation scheme for jump-diffusion SDEs with discontinuous drift and (possibly) degenerate diffusion. This transformation-based doubly-adaptive quasi-Milstein scheme is the first scheme that has strong convergence rate $1$ in $L^p$ for $p\in[1,\infty)$ with respect to the average computational cost for these SDEs. To obtain our result, we prove that under slightly stronger assumptions which are still weaker than those in existing literature, a related doubly-adaptive quasi-Milstein scheme has convergence order $1$. This scheme is doubly-adaptive in the sense that it is jump-adapted, i.e.~all jump times of the Poisson noise are grid points, and it includes an adaptive stepsize strategy to account for the discontinuities of the drift.
主题: 数值分析 (math.NA) ; 概率 (math.PR)
MSC 类: 60H10, 65C30, 65C20
引用方式: arXiv:2504.09452 [math.NA]
  (或者 arXiv:2504.09452v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.09452
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Verena Schwarz [查看电子邮件]
[v1] 星期日, 2025 年 4 月 13 日 06:22:52 UTC (28 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.NA
math
math.PR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号