跳到正文
arXiv · ML· Feliciano Giuseppe Pacifico, Duccio Fanelli, Lorenzo Buffoni, Lorenzo Chicchi, Diego Febbe, Raffaele Marino·· 7 天前AI 评分23

Neural-ODE 中精确固定点约束:向网络参数注入先验知识

Exact Fixed-Point Constraints in Neural-ODEs: Injecting Prior Knowledge into the Network Parameters

AI 导读

该方法将先验信息直接注入 Neural-ODE 参数,确保有限集预定义固定点在训练全程精确成立,无需罚项或事后投影。 输出矩阵通过 Moore-Penrose 伪逆(隐藏特征薄 QR 分解)参数化,分为约束确定分量和自由分量。 在 Lotka-Volterra 模型中,该模型在均衡点附近及长时间尺度上精度最高,测试误差比无约束网络低约 5 倍。

来源:arXiv · ML · arxiv.org