Deep Neural Networks with Asymptotic Behavior for Function Approximation and Regression
创建于 更新于
摘要
本报告提出了一种结合已知渐近行为和无约束深度神经网络（DNN）的方法，通过乘以特殊多项式实现渐近形式，在函数逼近和回归问题中显著提升了拟合精度和收敛速度。以线性渐近形式为例，展示了该方法在一维函数及Black-Scholes定价函数拟合中的优越性能，固定渐近参数优于可训练参数，且包含导数信息的差分机器学习（DML）较单纯函数值拟合（VML）进一步提升效果[page::0][page::3][page::6][page::9][page::22]。
