DiffEqFlux.jl——一个用于神经微分方程的 Julia 库
机器学习
2019-02-08 v1 机器学习
摘要
DiffEqFlux.jl 是一个融合神经网络与微分方程的库。在本文中，我们从数据科学视角描述微分方程，并讨论机器学习模型与微分方程的互补性质。我们展示了将 DifferentialEquations.jl 定义的微分方程问题嵌入 Flux 定义的神经网络，以及反之的能力。能够为此目的使用整个 DifferentialEquations.jl 套件的优势通过反例得以展示：简单积分策略失败之处，由 DifferentialEquations.jl 库提供的复杂积分策略却成功。随后展示了神经网络内部的延迟微分方程与随机微分方程。我们展示了用于定义神经常微分方程（嵌入微分方程的神经网络）的高层功能，并描述了 Flux 模型库中的额外模型，包括神经随机微分方程。最后我们讨论了用于微分方程求解器反向传播的各类伴随方法。DiffEqFlux.jl 是该领域的重要贡献，因为它使科学计算领域数十年研究开发的微分方程求解器的全部功力能够轻易应用于机器学习和数据科学所提出的挑战。
引用
@article{arxiv.1902.02376,
title = {DiffEqFlux.jl - A Julia Library for Neural Differential Equations},
author = {Chris Rackauckas and Mike Innes and Yingbo Ma and Jesse Bettencourt and Lyndon White and Vaibhav Dixit},
journal= {arXiv preprint arXiv:1902.02376},
year = {2019}
}
备注
Julialang Blog post, DiffEqFlux.jl