论文部分内容阅读
对于-个含有未知参数的It(o)随机微分方程中,针对某一实际问题,如果该方程解的值可以量测得到,则可以依据这些量测值,反求方程的未知参数.这就是本文考虑的It(o)随机微分方程之反问题.本文将其转化成-个优化问题,首先研究了It(o)方程的解关于参数的连续依赖性及可微性,进而计算出优化目标泛函关于参数的梯度,最后使用拟牛顿信赖域法来确定未知参数的最佳近似值.