增广神经常微分方程
机器学习
2019-10-29 v3 机器学习
摘要
我们证明神经常微分方程（Neural ODEs）学习到的表示保留了输入空间的拓扑结构，并证明这意味着存在神经常微分方程无法表示的函數。为应对这些局限，我们引入了增广神经常微分方程（Augmented Neural ODEs）；除作为更具表达力的模型外，其在经验上比神经常微分方程更稳定、泛化更好且计算代价更低。
引用
@article{arxiv.1904.01681,
title = {Augmented Neural ODEs},
author = {Emilien Dupont and Arnaud Doucet and Yee Whye Teh},
journal= {arXiv preprint arXiv:1904.01681},
year = {2019}
}
备注
NeurIPS camera ready, additional experiments, additional datasets, discussion on relation to other models