matlab美式看涨期权代码-DGM:用深度神经网络求解高维偏微分方程

matlab美式看炒菜代码总经理 这是一个可以促进 Deep Galerkin 算法实验的库。 要学习解决方案，您可以定义新的 PDE/ODE 并调用 train 函数。 需要为您的应用程序设计适当的损失函数的知识。 该库输出了几个有用的东西： 1- 损失函数值（用于微分算子、边界条件等） 2- 给定方程的神经网络解决方案3- 给定神经网络的逐层平均激活值（在训练期间）（如 Xavier 的初始化论文中讨论的方法） 您还可以使用 讨论的方法找到最多 7 个资产（9 个维度）的 Free Boundry PDE（美式期权）的实现代码。 还有一个有限差分 matlab 代码可用于测量结果的准确性。 此存储库中还有另外两个示例。 热方程和对流方程。 在神经网络的训练过程中可以看到这两个方程的动画： 神经网络不同层的平均激活值（训练期间）： 这是此代码构建块的示意图： 要求 Python 3.7.7 火炬 1.6 如需合作、建议或问题，请随时与我联系：pooya[dot]saffarieh[at]student[dot]sharif[dot]ir