ترجمه فارسی مقاله تخمین‌گر گرادیان مولد، یک روش حالت الحاقی برای معادلات دیفرانسیل تصادفی است.

چکیده

Motivated by the increasing popularity of overparameterized Stochastic Differential Equations (SDEs) like Neural SDEs, Wang, Blanchet and Glynn recently introduced the generator gradient estimator, a novel unbiased stochastic gradient estimator for SDEs whose computation time remains stable in the number of parameters. In this note, we demonstrate that this estimator is in fact an adjoint state method, an approach which is known to scale with the number of states and not the number of parameters in the case of Ordinary Differential Equations (ODEs). In addition, we show that the generator gradient estimator is a close analogue to the exact Integral Path Algorithm (eIPA) estimator which was introduced by Gupta, Rathinam and Khammash for a class of Continuous-Time Markov Chains (CTMCs) known as stochastic chemical reactions networks (CRNs).

چکیده به فارسی (ترجمه ماشینی)

با توجه به محبوبیت روزافزون معادلات دیفرانسیل تصادفی بیش از حد (SDEs) مانند SDE های عصبی ، وانگ ، بلانشت و گلین اخیراً برآوردگر شیب ژنراتور را معرفی کرده است ، یک برآوردگر شیب غیرقانونی بی طرفانه برای SDE هایی که زمان محاسبه در تعداد پارامترها پایدار است.در این یادداشت ، ما نشان می دهیم که این برآوردگر در واقع یک روش حالت مجاور است ، رویکردی که با تعداد حالت ها مقیاس می یابد و نه تعداد پارامترها در مورد معادلات دیفرانسیل معمولی (ODE).علاوه بر این ، ما نشان می دهیم که برآوردگر شیب ژنراتور یک آنالوگ نزدیک به الگوریتم مسیر انتگرال دقیق (EIPA) است که توسط Gupta ، Rathinam و Khammash برای یک کلاس از زنجیرهای مارکوف به زمان مداوم (CTMC) شناخته شده به عنوان واکنشهای شیمیایی تصادفی معرفی شده است.شبکه ها (CRN).