stochastic-differential-equations

Colección de notebooks sobre finanzas cuantitativas, con código de Python interactivo.

Suite multilingüe para solucionadores de alto rendimiento de ecuaciones diferenciales y componentes de aprendizaje automático científico (SciML). Ecuaciones diferenciales ordinarias (ODEs), ecuaciones diferenciales estocásticas (SDEs), ecuaciones diferenciales con retraso (DDEs), ecuaciones diferenciales-algebraicas (DAEs) y más en Julia.

Implementación en PyTorch para modelado generativo basado en puntuación mediante ecuaciones diferenciales estocásticas (ICLR 2021, Oral)

Un marco de modelado acausal para el aprendizaje automático científico (SciML) paralelizado automáticamente en Julia. Un sistema de álgebra computacional para simbólicos integrados destinados al aprendizaje automático informado por la física y transformaciones automatizadas de ecuaciones diferenciales.

Arquitecturas de capas implícitas preconstruidas con retropropagación O(1), soporte para GPU y solucionadores de ecuaciones diferenciales rígidas y no rígidas, que demuestran métodos de aprendizaje automático científico (SciML) y aprendizaje automático informado por la física

Restauración de imágenes con ecuaciones diferenciales estocásticas de reversión a la media, ICML 2023. Solución ganadora del desafío NTIRE 2023 de eliminación de sombras en imágenes.

Resolución de ecuaciones diferenciales en Python utilizando DifferentialEquations.jl y la organización SciML Scientific Machine Learning.