Size-Location Correlation for Set-Valued Processes: Theory, Estimation, and Laws of Large Numbers under ρ\rho-Mixing

该论文提出了一种基于支撑函数偶奇分解的变分框架,用于分析凸紧随机集的大小与位置相关性,定义了具有几何解释性的协方差与相关指标及ρ\rho-混合系数,并在弱平稳性条件下建立了大数定律,从而有效解决了传统方法在处理中心对称集时的退化问题并实现了方向性依赖与尺寸效应的解耦。

Tuyen Luc TriTue, 10 Ma🔢 math

Finite element approximations of the stochastic Benjamin-Bona-Mahony equation with multiplicative noise

本文建立了随机 Benjamin-Bona-Mahony 方程的适定性及稳定性,提出并分析了结合有限元空间离散与隐式 Euler-Maruyama 时间离散的完全离散格式,在噪声系数有界和无界两种情形下分别推导了最优强误差估计与概率意义下的次优收敛率,并通过数值实验验证了理论结果。

Hung D. Nguyen, Thoa Thieu, Liet VoTue, 10 Ma🔢 math

Bayesian inference of planted matchings: Local posterior approximation and infinite-volume limit

本文研究了在一维空间下两个相关随机点集之间隐藏匹配的贝叶斯推断问题,证明了在部分匹配模型中后验分布可由局部算法近似且边际统计量存在热力学极限,而在精确匹配模型中则需先进行全局排序并引入“流”的概念来定义极限,同时指出将结果推广至高维仍是未解难题。

Zhou Fan, Timothy L. H. Wee, Kaylee Y. YangTue, 10 Ma🔢 math

Solution space characterisation of perturbed linear discrete and continuous stochastic Volterra convolution equations: the p\ell^p and LpL^p cases

本文通过离散与连续情形的对比分析,刻画了受扰线性随机 Volterra 方程解的 p\ell^p 可和性与 LpL^p 可积性条件,揭示了离散情形下扰动项必须可和而连续情形下扰动项可不可和的显著差异,并进一步研究了连续方程解的渐近行为及对角噪声下的几乎处处收敛性。

John A. D. Appleby, Emmet LawlessThu, 12 Ma🔢 math

The largest fragment in self-similar fragmentation processes of positive index

本文针对具有正指数且满足特定正则性条件的自相似破碎过程,证明了最大碎片大小的对数 mtm_t 几乎必然收敛于一个包含对数修正项的显式函数 g(t)g(t),从而显著改进了 Bertoin 此前关于该量渐近行为仅为 (1+o(1))log(t)/α(1+o(1))\log(t)/\alpha 的粗糙估计。

Piotr Dyszewski, Samuel G. G. Johnston, Sandra Palau, Joscha ProchnoThu, 12 Ma🔢 math

The discrete periodic Pitman transform: invariances, braid relations, and Burke properties

本文建立了离散周期 Pitman 变换的理论,证明了其满足辫群关系并定义了无限对称群在向量序列上的作用,进而结合新的非齐次 Burke 性质,揭示了周期环境下聚合物配分函数的不变性,并在零温与正温极限下推广了全直线情形下的多路径不变性结果。

Eva R. Engel, Benjamin Jasper Kra-Caskey, Oleksandr Lazorenko, Caio Hermano Maia de Oliveira, Evan Sorensen, Ivan Wong, Ryan Xu, Xinyi ZhangThu, 12 Ma🔢 math

Sampling via Stochastic Interpolants by Langevin-based Velocity and Initialization Estimation in Flow ODEs

该论文提出了一种基于线性随机插值的概率流常微分方程的采样新方法,通过利用朗之万采样器高效生成中间分布样本并构建速度场估计器,实现了对未归一化玻尔兹曼分布的有效采样,并在理论上证明了收敛性,在数值实验中展现了处理高维多模态分布及贝叶斯推断任务的高效性。

Chenguang Duan, Yuling Jiao, Gabriele Steidl, Christian Wald, Jerry Zhijian Yang, Ruizhe ZhangThu, 12 Ma📊 stat