A Simple Methodology for Enforcing Linear Asymptotic Behavior in Deep Neural Network Function Approximation and Regression
创建于 更新于
摘要
本文提出一种简单实用的方法，通过构造满足给定线性渐近行为的函数形式与非约束深度神经网络结合，实现对函数及其导数的高效逼近。本方法支持多维推广，具体验证表明，结合渐近行为后能显著提升函数逼近和条件期望回归的准确性与收敛速度，且固定渐近参数优于可训练参数，方法易于实现且在Black-Scholes定价函数的应用中表现优异。[page::0][page::1][page::3][page::9][page::22]
