用神经微分方程建模视网膜神经细胞
计算机视觉与模式识别
2025-11-25 v1 人工智能
摘要
本工作探讨了液体时间常数网络（Liquid Time-Constant Networks, LTCs）和闭式连续时间网络（Closed-form Continuous-time Networks, CfCs）用于对虎蝾蝤视网膜神经细胞活性进行建模，基于三个数据集。相较于卷积基线模型和LSTM，两种架构实现了更低的平均绝对误差（MAE）、更快的收敛速度、更小的模型规模以及更优的查询时间，尽管在皮尔逊相关系数上略低。它们的效率和适应性使其适用于数据有限且需要频繁重新训练的场景，例如视网膜人工视觉的边缘部署。
引用
@article{arxiv.2511.18014,
title = {Modeling Retinal Ganglion Cells with Neural Differential Equations},
author = {Kacper Dobek and Daniel Jankowski and Krzysztof Krawiec},
journal= {arXiv preprint arXiv:2511.18014},
year = {2025}
}
备注
Accepted to the AAAI-26 Student Abstract and Poster Program, with supplementary material