问题标签 [stochastic]

我目前正在为我的计算机科学课程中的计算金融考试进行修改，并被困在这个问题上：

令S为具有年漂移率μ = 0.25和年波动率的股票价格σ = 0.5。假设该份额现在值得S0 = 80p。计算份额将在 中的概率：通过N 表示，φ (0, 1) 的分布函数并用数值计算。go down by 10p or morea year

我知道正态分布的工作原理，但我不知道这个版本的工作原理。

我得到了下面的等式来帮助我找到答案，但我不知道如何应用它。

随机微分方程：lnST – lnS0 ~ φ [(μ – σ^2/2) T, σ^2T]

我输入了数字并得出了：

我也试过：

但是我在正态分布表中找不到 20 个标准差的数据。有人知道这是如何工作的吗？另外，有没有办法在 MATLAB 上计算这个？

我目前正在使用一个不超过 20 个的小型训练值数据集，并且 MSE 越来越大。输入数据向量本身由 16 个参数组成，其中许多是二进制变量。在所有训练值中，16 个参数中的大多数保持不变（但不是全部）。在所有示例中，其余输入变量彼此之间变化很大。也就是说，除了两个参数不同外，两个示例可能看起来相同，一个参数是二元变量，另一个是连续变量，其中差异可能大于单个标准偏差（对于变量的一组值）。

我的单个输出变量（截至目前）可以是连续变量，或者取决于在我的情况下减少错误的真正难度，我可以将其作为分类问题，使用 12 种不同的分类形式。

长期以来，我一直在研究与当前前馈 MLP 实现不同的神经网络，因为我已经阅读了随机神经网络、梯形神经网络和许多形式的循环神经网络。我不知道应该调查哪一个，因为我没有时间尝试每个可用的 NN。

虽然我的描述可能含糊不清，但任何人都可以建议我应该调查哪个网络以最大限度地减少我的成本函数（截至目前，MSE）？

如果我当前的设置由于预测如此小的一组高度变异的训练值的正确输出所涉及的绝对困难而必须变得难以改变，那么如果我的数据集扩展到数千个样本的数量级（在拥有一组明显更加冗余、看似同质的输入值的成本）？

任何帮助都是肯定的。

假设我有一个nxn库伦随机矩阵。如果我将它乘以一个n元素总和为 1 的长度向量，我得到的结果向量的长度n再次总和为 1 为什么会发生这种情况？如果我给出长度n总和 =0.8 或 1.2 的向量怎么办？

编辑：如果矩阵的一列加起来为 1，会发生什么？

regularization在开始使用 Tensorflow实现随机深度方法时，我遇到了一个问题。论文 ( https://arxiv.org/pdf/1603.09382.pdf ) 指出，如果我们在训练期间随机丢弃一些残差单元，模型可以更快地收敛。当前的 Torch 实施工作完美。在 Tensoflow 中，我可以在剩余单元分支上设置条件，以便在前向步骤中取消它的激活，但在后向步骤中权重仍然会更新。无法判断这些权重（在我们取消的剩余分支中）不再是可训练的，并且它们不应包含在当前会话运行的优化中。

我已经在 github 上创建了这个问题，在那里我介绍了如何以天真的方式解决这个问题，当然有一些东西会阻止应用简单的修复，否则真的很奇怪为什么tf.Variable's trainable参数不允许布尔张量作为值。如果有人知道这个问题的线索，如果你恢复我对 Tensoflow 的信心，我将不胜感激：)

令 X_n 为 MC，P 不规则

假设我们有一个固定距离 (pi_0, ..., pi_n) 和 P(X_0 = i) = 0.2，这说明什么？

为了更清楚：

我问是因为卡林说，当静止距离不是限制距离时，P(X_n = i) 取决于初始分布。这到底是什么意思？

我的目标是在外汇市场上绘制一个显示随机震荡指标的图，为了验证哪个参数是设置它的最佳参数，我将使用滑块对其进行修改并在图上显示更新的结果。

我有我的历史数据，对于一个定义的货币对（比如说 AUDUSD），在加载它之后，我计算 Stoastic 振荡器：

这是我绘制 stoch、fk 和 dk 时所拥有的图片：

我会在图中添加 3 个滑块，以便在一个范围内更改作为输入的参数，即有一个滑块将第一个参数“n”更改为 3 到 50，“k”更改为 2 到 20，以及“d “在 2 到 20 之间。

我会使用 octave 的 UI 包，有人可以告诉我在我使用滑块时更新绘图吗？

弗朗切斯科

我正在尝试使用值迭代（通过 pymdptoolbox）和 NumPy找到此图中指定的马尔可夫决策过程问题的最佳策略。但是 pymdptoolbox 说我的转换矩阵“不是随机的”。

是因为有 [0, 0, 0, 0] 的数组吗？有些转换是不可能的，比如从状态 1 到状态 3。如果不使用零，我该如何表示这些不可能的转换？

我的代码：

在 SGD 中，我想了解是在我们通过转到下一行再次更新参数之前为所有行计算成本，还是在更新参数之前仅为下一行计算成本？

我尝试通过更改 cnn_train 中的以下代码来实现 Adam 而不是默认的 SGD 优化器：

至：

但是，我收到一个错误：

你们有没有尝试过从默认编译器更改？我还应该在 cnn_train 中更改什么？

Adam函数的代码：

有人可以推荐我用于随机梯度下降优化的轻量级、易于使用的 Java 库吗？