Neuraalne ODE
Neuraalne ODE, mille tutvustasid Chen ja kolleegid 2018. aastal, modelleerib peidetud olekut kui tavalise diferentsiaalvõrrandi pidevat lahendit, mille dünaamikat parametriseerib neurovõrk. See üldistab jääkvõrkude piirjuhtu, muutes selle sobivaks ebaregulaarselt paiknevate ajasarjade ja füüsikal põhineva modelleerimise jaoks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Neural Ordinary Differential Equation. ScholarGate. https://scholargate.app/et/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.
- LSTMSüvaõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- Korduv närvivõrkSüvaõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →