PulseAugur
中
实时 19:44:34
English(EN) Exact Fixed-Point Constraints in Neural-ODEs with Provable Universality

Neural-ODEs 获得具有可证通用性的不动点控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为神经常微分方程（Neural-ODEs）开发了一种新技术，使其能够精确控制系统中的不动点。该方法确保了速度场在指定点处恰好为零，从而在不牺牲模型表达能力的情况下约束基于梯度的训练。在这些局部约束下，Neural-ODEs 的通用性得到了证明，它提供了一种计算高效的施加不动点的方法，并已在物理模型上得到验证。 AI

影响 引入了一种约束 Neural-ODE 训练的方法，有望提高物理信息 AI 模型中的稳定性和可解释性。

排序理由 关于 Neural-ODEs 新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Neural-ODEs 获得具有可证通用性的不动点控制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Raffaele Marino ·

    Exact Fixed-Point Constraints in Neural-ODEs with Provable Universality

    We introduce a technique that enables Neural-ODEs to approximate arbitrary velocity fields with a priori planted fixed-points. Specifically, a recipe is given to explicitly accommodate for a finite collection of points in the reference multi-dimensional space of the Neural-ODE wh…

相关话题