用于时间序列上神经微分方程训练的多重打靶法
机器学习
2021-12-20 v2
摘要
神经微分方程近来作为一种灵活的数据驱动/混合方法涌现出来，用于建模时间序列数据。本工作通过实验表明，如果数据包含振荡，那么对神经微分方程的标准拟合可能导致轨迹被拉平，从而无法描述数据。我们随后引入多重打靶法，并成功演示了该方法将神经微分方程拟合到两个（合成与实验）数据集上，而标准方法无法拟合这些数据集。多重打靶引入的约束可通过罚函数或增广拉格朗日方法满足。
引用
@article{arxiv.2109.06786,
title = {Multiple shooting for training neural differential equations on time series},
author = {Evren Mert Turan and Johannes Jäschke},
journal= {arXiv preprint arXiv:2109.06786},
year = {2021}
}
备注
in IEEE Control Systems Letters