1) conditional diffusion process
条件扩散过程
1.
Martingle characteristics analysis of conditional diffusion process;
条件扩散过程的鞅特性分析
2) Diffusive condition
扩散条件
3) conditional diffusion
条件扩散
1.
In this paper, We discuss the classical solution of the solvability of h-Schroinger equation with stochustic boundary conditions, by using the Conditional diffusion process, conditional Feynman-Kac functional and martingale, the actual expressive solution is obtained, and in the meantime we investigate the martingale property of conditional diffusions and the lifetime.
利用条件扩散过程和条件Feynman-Kac泛函,采用鞅方法,讨论带有随机边界的hSchrdinger方程的古典解,求出了解的具体表达式,并对条件扩散的鞅特性及生命时进行了研究。
4) diffusion
[英][di'fju:ʒən] [美][dɪ'fjuʒən]
扩散过程
1.
In this paper we study a stochastic differential equation whose solution is a special diffusion with discontinuous coefficient of drift.
研究了一个随机微分方程 ,它的解是一特殊的扩散过程 ,其漂移系数是不连续的Borel可测函数 。
2.
For the diffusion on noncompact manifolds,algebraic convergence in L~2-sense is studied.
考虑非紧流形上的扩散过程,得到了其L2代数式收敛的充要条件和必要条件。
3.
The paper proposes a new method to estimate nonlinear diffusions based on discretely observed data, and gives some properties of the corresponding parameters estimation.
本文基于一类非线性扩散过程的离散可观测数据 ,建立一种新的参数估计方法。
5) diffusion process
扩散过程
1.
Random analysis of the continuous sole strong solution of the random diffusion process of a class of the random signals with conditions;
一类带条件随机信号的随机扩散过程连续唯一强解的随机分析
2.
Parameter estimation about the drift coefficient of a diffusion process;
一类扩散过程中漂移系数的参数估计
3.
Common framework of single factor interest rate models with diffusion process;
扩散过程下单因素利率模型的统一框架
6) diffusion processes
扩散过程
1.
In the paper We discuss opitimal stopping of diffusion processes,because we deal with diffusion processes in the American option pricing.
金融数学中关于美式期权的定价理论最后归结为一个对扩散过程的最优停止问题,扩散过程是特殊的马氏过程,本文讨论了当报酬函数非负时的值函数性质及其最优停时的表示。
2.
The small perturbations of one dimensional degenerate diffusion processes is considered.
考虑一维退化扩散过程的小扰动。
3.
This article discusses the functional structure of a nonstationary random process on the complete probability space with martingale theory and stochastic analysis process, and ob-tains Wiener processes, diffusion processes, Ito processes and a series of important results ofthe functional structure under Gauss Conditions.
本文运用鞅理论与随机分析方法讨论了完备概率空间中一类非平稳过程的泛函结构,得到了Wiener过程、扩散过程与Ito过程及其在Gauss情形下泛函结构的一系列重要结果,这对于解决该类可观测随机过程的最佳非线性滤波具有很大意义。
补充资料：具有扩散的分支过程
具有扩散的分支过程
brandling process with diffusion
具有扩散的分支过程{b伽山ingp~ss衍thdi加si印;。er朋川丽e，np()明eeec阴中中y3“e后] 分支过程的一个模吧，其巾’!二殖的粒f扩散在某 一认域G中设区域“是r维的，具有吸收边界改子，并设区域G中的粒子相互独立地进行Brown运动.在G中的每个粒子在时间A，之内变成nl、粒f的概率为八加+川△幼.n毕1八t，0.设子代粒子从它们的出生地出发汁始它们的独立演化.设Pl二一艺尹，l几，{八{的母函数是 _/丈.、)二乏p。‘’， 琦一硬r并设从伍)表小初始时刻在丫任〔，处的个粒于在时刻之位丁，集介4仁G中的粒子数其生成泛函 [ H“;·“.”万〔三c‘p{)’一(\)拜、‘办’满足拟线性抛物型方程右aZH.，，，、aH 、，:二‘二二十f(H、=上二二‘， l织a对“‘一’价·其初始条件为 H(0，x，s(·))二s(x)，边界条件为 H(t，x，s(·川、_a。=0·用0<又1<又2簇之3(…表示其本征值，甲，(x)>0是问题 人矛伞 y岑一于+又毋=0，甲(x)}，_。二=0 ，墓!OX亨相应于又1的本征函数.当t~的时渐近关系式 任热、，(‘)勺尤e(口一入】)‘切，(x)成立.据此，当a<又1时称问题为下临界的，“=又1时为l峥手妙，“>又1时为牛峥暑的·当“〔儿时，带扩散的分支过程灭绝概率为1，而当a>又1时，在一般情况下，灭绝概率和事件{入.。(G)一的当t~的时}的概率都是正的.依赖于其临界性，带扩散的分支过程也有类似于不带扩散的分支过程的极限定理.【补注】其他参考文献可在分支过程(branching pro-份sses)中找到.B.AC殆日以习毛.，撰刘秀芳译
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条