An inverse-stochastic-control Galerkin estimator for drift potentials
基于逆随机控制的漂移势Galerkin估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用扩散过程的逆问题，应用是动物遥测；未明确涉及给定的经济学或金融细分，不能仅凭扩散模型归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于逆随机控制的漂移势Galerkin估计
- 研究问题
- 如何从离散且可能不规则的位置观测恢复过阻尼Langevin扩散的漂移势，并控制有限基、采样间隔与观测噪声的误差？
- 方法与思路
- 作者将逆随机控制的次优差距用于漂移势恢复，以有限基表示价值函数，通过经验时点边缘分布构造线性方程组。
- 材料陈述的贡献
- 摘要称方法无需转移密度，并给出最佳逼近关系、一致性及误差分析；数值实验和动物遥测应用展示其使用方式。
- 阅读关注点
- 应核对基非退化条件、边缘分布的估计方式、单条轨迹下的统计条件，以及时间积分误差与观测噪声偏差的控制。
- 阅读边界
- 这是arXiv预印本，不能据此声称已同行评审或期刊接收；摘要未给出完整正则条件，避免离散化偏差的结论须结合条件核对。
原文摘要
We consider the ill-posed inverse problem of recovering the drift potential of an overdamped Langevin diffusion from discrete, possibly irregular position observations. Specializing the suboptimality gap for inverse stochastic control to drift-potential recovery, we parametrize the associated value function in a finite basis. Under a basis nondegeneracy condition, the resulting Galerkin estimator is obtained from one positive-definite linear system whose entries are smooth functionals of the empirical time marginals; no transition density is required. The gap equals one half of the squared energy distance to the true potential, yielding a best-approximation identity and energy-seminorm consistency as the basis becomes complete. At a fixed basis, we separate the sample fluctuation from the time-quadrature error, thereby avoiding the Euler--Maruyama $O(Δt)$ drift-discretization bias. We also analyze the finite basis as regularization, give a dimension-dependent convergence rate for a concrete basis family, and bound observation-noise bias. One- and two-dimensional experiments verify the predicted sampling-interval behavior. An application to irregular animal telemetry illustrates the method on a single long trajectory.