[论文解读] On the Fractional Riemann-Liouville Integral of Gauss-Markov processes and applications

Mario Abundo, Enrica Pirozzi|arXiv (Cornell University)|May 20, 2019

Statistical Mechanics and Entropy参考文献 33被引用 4

一句话总结

本文研究了高斯-马尔可夫过程的分数阶黎曼-刘维特定积分，推导出结果过程的均值、方差和协方差的闭式表达式。结果表明，分数阶参数 α 显著调节记忆效应和相关性结构，数值结果表明，FIBM 的协方差随 α 快速增加，而 FISOU 由于其随机初始条件，表现出比 FIOU 更广泛的关联模式，从而能够更有效地建模神经元动力学中的长程记忆。

ABSTRACT

We investigate the stochastic processes obtained as the fractional Riemann-Liouville integral of order $α\in (0,1)$ of Gauss-Markov processes. The general expressions of the mean, variance and covariance functions are given. Due to the central rule, for the fractional integral of standard Brownian motion and of the non-stationary/stationary Ornstein-Uhlenbeck processes, the covariance functions are carried out in closed-form. In order to clarify how the fractional order parameter $α$ affects these functions, their numerical evaluations are shown and compared also with those of the corresponding processes obtained by ordinary Riemann integral. The results are useful for fractional neuronal models with long range memory dynamics and involving correlated input processes. The simulation of these fractional integrated processes can be performed starting from the obtained covariance functions. A suitable neuronal model is proposed. Graphical comparisons are provided and discussed.

研究动机与目标

• 通过用 α ∈ (0,1) 阶的分数阶黎曼-刘维特定积分替代普通黎曼积分，扩展集成高斯-马尔可夫过程的理论。
• 推导标准布朗运动及非平稳/平稳 Ornstein-Uhlenbeck 过程的分数阶积分的均值、方差和协方差函数的解析表达式。
• 通过数值和图形比较，研究分数阶参数 α 如何影响结果过程的记忆与相关性结构。
• 为具有长程记忆的分数阶神经元模型中的样本路径模拟和首次 hitting 时间分析提供基础。
• 提出一种基于分数阶积分相关输入过程的神经元模型，利用 α 提供的增强记忆控制能力。

提出的方法

• 将 α 阶分数阶黎曼-刘维特定积分应用于高斯-马尔可夫过程，包括标准布朗运动以及非平稳和平稳 Ornstein-Uhlenbeck 过程。
• 利用分数阶微积分的性质和高斯-马尔可夫过程的二阶结构，推导出均值、方差和协方差函数的闭式表达式。
• 对不同 α 值下的协方差函数进行数值评估，以分析分数阶参数对记忆与相关性动态的影响。
• 通过三维图和颜色图进行图形比较，可视化协方差函数在时间和 α 值上的演化过程。
• 基于推导出的协方差函数，实现样本路径的模拟，支持首次 hitting 时间的进一步分析。
• 提出一种神经元模型，其中输入过程被建模为相关高斯-马尔可夫过程的分数阶积分，α 作为可调的记忆参数。

实验结果

研究问题

• RQ1 用分数阶黎曼-刘维特定积分（α 阶）替代普通黎曼积分，对高斯-马尔可夫过程的统计特性有何影响？
• RQ2 标准布朗运动和 Ornstein-Uhlenbeck 过程的分数阶积分的均值、方差和协方差的闭式表达式是什么？
• RQ3 分数阶参数 α 如何影响结果过程中相关性结构与记忆效应？
• RQ4 非平稳与平稳 Ornstein-Uhlenbeck 过程的分数阶积分在协方差行为上存在哪些差异？
• RQ5 推导出的协方差函数能否实现神经元模型中样本路径的高效模拟和首次 hitting 时间分析？

主要发现

• 标准布朗运动的分数阶积分（FIBM）的协方差随 α 快速增加，在 α ≈ 1 时达到约 15 的值，表明存在强烈的记忆效应。
• 非平稳 Ornstein-Uhlenbeck 过程的分数阶积分（FIOU）的协方差增长较慢，在 α ≈ 1 时约为 2，反映出相关性较弱。
• 平稳 Ornstein-Uhlenbeck 过程的分数阶积分（FISOU）在所有 α 值下协方差值略高于 FIOU，且相关性模式更发散，尤其在小 t 和 u 接近对角线时更为明显。
• 当 α = 0.2 时，FISOU 协方差在 t 和 u 较小且靠近对角线时值较高；而当 α = 0.5 和 0.8 时，FISOU 与 FIOU 的协方差模式趋于相似，尽管 FISOU 仍保持更广泛的相关性。
• 所有三种过程的方差与协方差在大 t 时随 α 增加而增加，符合预期，证实了 α 在增强记忆持续性方面的作用。
• 图形与数值比较结果表明，α 是控制复杂系统（尤其是神经元模型）中记忆长度与时间尺度动态的有力调节参数。