Neuronová ODR (ODE)
Neuronová ODR, představená Chenem a kolektivem v roce 2018, modeluje skrytý stav jako spojité řešení obyčejné diferenciální rovnice, jejíž dynamiku parametrizuje neuronová síť. Zobecňuje limitní případ reziduálních spojení, což ji činí vhodnou pro nepravidelně rozmístěné časové řady a modelování založené na fyzikálních principech.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Chen, T. Q., Rubanova, Y., Bettencourt, J. & Duvenaud, D. (2018). Neural Ordinary Differential Equations. Advances in Neural Information Processing Systems (NeurIPS). link ↗
- Rubanova, Y., Chen, T. Q. & Duvenaud, D. (2019). Latent ODEs for Irregularly-Sampled Time Series. Advances in Neural Information Processing Systems (NeurIPS). link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Neural Ordinary Differential Equation. ScholarGate. https://scholargate.app/cs/deep-learning/neural-ode
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- LSTMHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
- Rekurentní neuronová síťHluboké učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →