Neural ODE
Một Neural ODE, được giới thiệu bởi Chen và cộng sự vào năm 2018, mô hình hóa một trạng thái ẩn như là nghiệm liên tục của một phương trình vi phân thông thường có động lực học được tham số hóa bởi một mạng nơ-ron. Nó tổng quát hóa trường hợp giới hạn của các kết nối dư (residual connections), làm cho nó phù hợp với chuỗi thời gian có khoảng cách không đều và mô hình hóa dựa trên vật lý.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Neural Ordinary Differential Equation. ScholarGate. https://scholargate.app/vi/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.
- LSTMHọc sâu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Mạng nơ-ron hồi quyHọc sâu↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →