An optimal Gauss-Markov approximation for a process with stochastic drift and applications

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985823%3A_____%2F20%3A00534260" target="_blank" >RIV/67985823:_____/20:00534260 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1016/j.spa.2020.05.018" target="_blank" >https://doi.org/10.1016/j.spa.2020.05.018</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.spa.2020.05.018" target="_blank" >10.1016/j.spa.2020.05.018</a>

Jazyk výsledku

angličtina

Název v původním jazyce

An optimal Gauss-Markov approximation for a process with stochastic drift and applications

Popis výsledku v původním jazyce

We consider a linear stochastic differential equation with stochastic drift. We study the problem of approximating the solution of such equation through an Ornstein–Uhlenbeck type process, by using direct methods of calculus of variations. We show that general power cost functionals satisfy the conditions for existence and uniqueness of the approximation. We provide some examples of general interest and we give bounds on the goodness of the corresponding approximations. Finally, we focus on a model of a neuron embedded in a simple network and we study the approximation of its activity, by exploiting the aforementioned results.

Název v anglickém jazyce

An optimal Gauss-Markov approximation for a process with stochastic drift and applications

Popis výsledku anglicky

We consider a linear stochastic differential equation with stochastic drift. We study the problem of approximating the solution of such equation through an Ornstein–Uhlenbeck type process, by using direct methods of calculus of variations. We show that general power cost functionals satisfy the conditions for existence and uniqueness of the approximation. We provide some examples of general interest and we give bounds on the goodness of the corresponding approximations. Finally, we focus on a model of a neuron embedded in a simple network and we study the approximation of its activity, by exploiting the aforementioned results.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GA20-10251S" target="_blank" >GA20-10251S: Optimalita neuronální komunikace: informačně-teoretický pohled</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Stochastic Processes and their Applications

ISSN

0304-4149

e-ISSN

—

Svazek periodika

130

Číslo periodika v rámci svazku

11

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

34

Strana od-do

6481-6514

Kód UT WoS článku

000578964400001

EID výsledku v databázi Scopus

2-s2.0-85086029236