Νευρωνική Συνήθης Διαφορική Εξίσωση (Neural ODE)
Μια Νευρωνική Συνήθης Διαφορική Εξίσωση (Neural ODE), που εισήχθη από τους Chen και συνεργάτες το 2018, μοντελοποιεί μια κρυφή κατάσταση ως τη συνεχή λύση μιας συνήθους διαφορικής εξίσωσης, της οποίας η δυναμική παραμετροποιείται από ένα νευρωνικό δίκτυο. Γενικεύει την οριακή περίπτωση των υπολειμματικών συνδέσεων, καθιστώντας την κατάλληλη για χρονοσειρές με ακανόνιστα διαστήματα και για μοντελοποίηση βασισμένη στη φυσική.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Neural Ordinary Differential Equation. ScholarGate. https://scholargate.app/el/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.
- LSTMΒαθιά Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Αναδρομικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →