注意到分区边界周围的样本通常具有较低的信噪比，并且可能会增加错误标记的机会，一个自然的扩展是考虑在这些位置进行复制/批处理。Binois等人最近的工作【7】使用GP元模型解决了这个问题，我们计划在未来通过深入学习来研究这个问题。同时，具有精细结构的网络的理论收敛性也很有趣，需要在未来进行分析。进一步研究连续体作用空间L的问题（1.1）也很有意思，它可以应用于可变年金的定价问题，正如最近在[21，19]中研究的那样。为此，需要先进的深度学习算法，可能与其他数值技术相结合，以解决定价的偏微分方程，并仔细离散L以实现收敛，这将留给未来的工作。致谢我们感谢马塞尔·努茨教授让我们注意到参考文献，感谢杰伊·罗伯茨和凯尔·米洛纳基斯进行了有益的讨论。参考文献[1]R.Aid、L.Campi、N.Langren\'e和H.Pham。最优多重切换问题的概率数值方法及其在发电投资中的应用。《金融数学杂志》，5（1）：191–2312014。[2] 安徒生和布罗迪。多维美国期权定价的原对偶模拟算法。《管理科学》，50（9）：1222–12342004。[3] V.Badrinarayanan、A.Kendall和R.Cipolla。SegNet：一种用于图像分割的深度卷积编码器体系结构。IEEE Trans。模式肛门。机器。内部。，39:2481–2459, 2017.[4] S.Becker、P.Cheridito和A.Jentzen。深度最优停车，2018年。arXiv:1804.05394。[5] D.Belomestny。百慕大期权的非参数回归定价：低估计的最优收敛率。

《金融与随机》，15:655–6832011。[6] C.折弯机。连续时间内多个行权期权的原始和双重定价。《金融数学杂志》（SIAMJournal on Financial Mathematics），2（1）：562–5862011。[7] M.Binois、J.Huang、R.B.Gramacy和M.Ludkovski。复制还是探索？随机模拟实验的顺序设计。Technometrics，2018年。认可的。[8] 托马斯·比约克。连续时间套利理论。牛津大学出版社，2009年。[9] Phelim P Boyle、JeremyEvnine和StephenGibbs。多变量索赔的数值评估。《金融研究评论》，2（2）：241–2501989。[10] 布罗迪先生和曹先生。通过模拟对美国期权定价的上下限算法进行了改进。《定量金融》，8（8）：845–8612008年。[11] S.Bubeck、R.Munos和G.Stoltz。在全副武装和持续武装的强盗中进行纯粹的探索。《理论计算机科学》，412（19）：1832–18522011。[12] S.Bubeck、R.Munos、G.Stoltz和C.Szepesvari。X武装匪徒。《机器学习研究杂志》，12:1655–16952011。[13] J.F.Carriere。使用模拟和非参数回归对期权的早期行权价格进行估值。保险：数学。经济体。，19:19–30, 1996.[14] H.A.奇普曼、E.I.乔治和R.E.麦卡洛赫。BART：贝叶斯加性回归树。《应用统计年鉴》，4（1）：266–2982010。[15] F.Chollet等人，Keras。https://keras.io, 2015.[16] T.Dozat。将nesterov momentum纳入adam，2016年。[17] W.E，J.Han和Q.Li。深度学习的平均场最优控制公式。Res.Math。Sci。，6:10, 2019.[18] V.Gabillon、M.Ghavamzadeh、A.Lazaric和S.Bubeck。多强盗最佳武器识别。《神经信息处理系统的进展》，第2222–22302011页。[19] L.Gouden\'ege、A.Molent和A.Zanette。

具有随机波动率和利率的定价变量的高斯过程回归。arXiv预印本arXiv:1903.003692019。[20] L.Gouden\'ege、A.Molent和A.Zanette。高维马尔可夫和非马尔可夫模型中美式期权定价的机器学习。arXiv预印本arXiv:1905.094742019。【21】L.Gouden\'ege、A.Molent和A.Zanette。用随机利率模型对赫斯顿和布莱克-斯科尔斯的gmwb进行定价和对冲。计算管理科学，16（1-2）：217–2482019。【22】L.Gouden\'ege、A.Molent和A.Zanette。方差缩减应用于机器学习，用于高维百慕大/美式期权定价。arXiv预印本arXiv:1903.112752019。【23】R.B.Gramacy和D.W.Apley。大型计算机实验的局部高斯过程近似。《计算与图形统计杂志》，24（2）：561–5782015。[24]R.B.Gramacy和M.Ludkovski。最优停车问题的顺序设计。《金融数学杂志》（SIAMJournal on Financial Mathematics），6（1）：748–7752015。[25]R.B.Gramacy和N.G.Polson。用于顺序设计和优化的高斯过程模型的粒子学习。计算和图形统计杂志，20（1）：102–1182011。【26】R.B.Gramacy和M.Taddy。tgp，一个用于树型高斯过程模型的R包。《统计软件杂志》，33:1–482012。【27】R.B.Gramacy、M.Taddy和N.Polson。用于学习和设计的动态树。《美国统计协会杂志》，106（493）：109–123，2011年。【28】S.Gr¨unew¨alder、J.-Y.Audibert、M.Opper和J.Shawe Taylor。高斯过程bandit问题的遗憾界。2010年第273–280页，国际艺术情报与统计会议。【29】J.C.Hateley、J.Roberts、K.Mylonakis和X.Yang。使用冻结高斯近似的深度学习地震子结构检测，2018年。arXiv:1810.06610。[30]K。

何、张X、任S和孙J。图像识别的深度剩余学习，2015年。更正，abs/1512.03385。【31】P.赫佩格。使用方差缩减蒙特卡罗方法为高维百慕大期权定价。《计算金融杂志》，16（3）：99–126，2013年。[32]K.霍尼克。多层前馈网络的逼近能力。神经网络，4（2）：251–2571991。【33】R.Hu和M.Ludkovski。排序响应面的顺序设计。SIAM/ASAJournal《不确定性量化》，5（1）：212–2392017。【34】S.Jain和C.W.Oosterlee。随机网格捆绑法：Bermudan期权及其希腊期权的有效定价。《应用数学与计算》，269:412–4312015。【35】S.Juneja和H.Kalla。使用函数近似法为美式期权定价的方差缩减技术。《计算金融杂志》，12（3）：792009年。[36]D.Kingma和J.Ba。Adam：一种随机优化方法。arXiv预印本XIV:1412.69802014。【37】科勒先生。基于回归的蒙特卡罗美式期权定价方法综述。《应用概率和统计学的最新发展》，第37-58页。2010年【38】G.Lai、M.X.Wang、S.Kekre、A.Scheller Wolf和N.Secomandi。液化天然气终端的存储评估。运筹学，59（3）：602–6162011。【39】Y.LeCun和Y.Bengio。深度学习。《自然》，521:436–4442015。【40】P.L'etourneau和L.Stentoft。通过施加结构重新定义最小二乘蒙特卡罗方法。《定量金融》，14（3）：495–5072014。[41]J.Lin和M.Ludkovski。隐马尔可夫随机运动模型中的序贯贝叶斯推理及其在季节性流行病检测和反应中的应用。《统计与计算》，24（6）：1047–10622014。【42】F.A.Longstaff和E.S.Schwartz。通过模拟评估美式期权：简单的Leatsquares方法。

《金融研究评论》，14:113–1482001年。【43】M.Ludkovski。百慕大期权定价的克里格元模型和实验设计。《计算金融杂志》，22（1）：37–772018年。【44】M.Ludkovski和J.Niemi。流量管理的最佳动态策略。《传染病统计传播》，2（1）：第5条（电子版），2010年。【45】M.Ludkovski和J.Niemi。利用随机模拟优化疾病暴发决策。模拟会议（WSC），《2011年冬季会议录》，第3844-3853页。IEEE，2011年。【46】X.Lyu、M.Binois和M.Ludkovski。评估噪声水平集估计的高斯过程元模型和序列设计。arXiv预印本arXiv:1807.067122018。【47】N.Meinshausen和B.M.Hambly。多重行使期权估价的蒙特卡罗方法。《数学金融》，14（4）：557–5832004年。[48]D.Merl、R.Johnson、R.B.Gramacy和M.Mangel。流行病学干预措施适应性管理的统计框架。《公共科学图书馆综合》，4（6）：E50872009年。【49】V.Picheny、D.Ginsbourger、O.Roustant、R.T.Haftka和N.-H.Kim。精确逼近目标区域的自适应实验设计。机械设计杂志，132:0710082010。【50】P.Ranjan、D.Bingham和G.Michailidis。复杂计算机代码轮廓估计的序贯实验设计。《技术计量学》，50（4）：527–5412008年。【51】S.J.Reddi、S.Kale和S.Kumar。关于亚当与超越的融合。2018年【52】O.Ronneberger、P.Fischer和T.Brox。U-net：用于生物医学图像分割的卷积网络。MICCAI 2015：医学图像计算和计算机辅助干预，第234–241页，2015年。【53】奥利维尔·罗森特、大卫·金斯伯格和伊夫·德维尔。Dicekriging，DiceOptim：通过基于kriging的元建模和优化分析计算机实验的两个RPackage。

《统计软件杂志》，51（1）：1–512012年。【54】E.Shelhamer、J.Long和T.Darrell。用于语义分割的完全卷积网络。2015年IEEE计算机视觉和模式识别会议（CVPR），第3431–3440页，2015年。【55】J.T.Springenberg、A.Dosovitskiy、T.Brox和M.A.Riedmiller。《追求简单：全卷积网》，2014年。更正，abs/1412.6806。【56】J.N.Tsitiklis和B.Van Roy。复杂美式期权定价的回归方法。IEEE神经网络学报，12（4）：694–7032001。