How Inductive Bias in Machine Learning Aligns with Optimality in Economic Dynamics
创建于 更新于
摘要
本报告探讨了机器学习中的归纳偏置如何与经济动态中涉及的无穷远边界条件（如横截率条件）自然对齐。报告理论证明最小范数解满足经济动态系统的无穷远边界条件，并通过资产定价模型和新古典增长模型等标准经济基准问题验证了神经网络与无正则核方法能准确恢复经济学最优稳态，且不直接强加边界条件，展现了其稳定性、快速性及超越传统算法的潜力，为高维动态经济模型的反问题估计打开新途径 [page::0][page::1][page::4][page::5][page::6][page::7][page::19][page::22][page::23]。
