学习跳扩散过程的转移核：条件扩散模型
Learning Transition Kernels of Jump-Diffusion Processes with Conditional Diffusion Models
精选理由
为跳扩散过程的路径生成与概率预测提供理论保证和实用方法。
AI 摘要
arXiv:2610.09045v1 公告类型：cross 摘要：我们研究了使用条件扩散模型学习时间齐次跳扩散过程转移核的问题，目标是从由 N 条独立轨迹组成的训练数据中生成新的样本路径，这些轨迹是在高频离散时间网格上观测得到的。在理论方面，我们为条件得分估计误差以及真实离散观测路径与生成离散观测路径的分布之间的 KL 散度建立了非渐近界。在数值方面，我们首先在合成数据上评估所提出的方法，以检验理论结果，并将其性能与 Gao et al. (2025) 的方法进行基准比较。随后，我们将该方法应用于真实世界数据，并在概率预测任务中考察其性能。