Neural ODE
A Neural ODE, amelyet Chen és munkatársai vezettek be 2018-ban, egy rejtett állapotot modellez, mint egy közönséges differenciálegyenlet folytonos megoldását, amelynek dinamikáját egy neurális hálózat paraméterezi. Általánosítja a maradékkapcsolatok (residual connections) határesetét, így jól illeszkedik a szabálytalan időközönként érkező idősorokhoz és a fizikaalapú modellezéshez.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Neural Ordinary Differential Equation. ScholarGate. https://scholargate.app/hu/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.
- LSTMMélytanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Rekurrens neurális hálózatMélytanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →