文件名称：awesome-implicit-neural-models
文件大小：6KB
文件格式：ZIP
更新时间：2024-06-12 07:54:14
很棒的内隐神经模型 内隐学习模型的资源集合，从神经ODE到均衡网络，可微分的优化层等等。 “隐式层的症结在于，我们没有指定如何从输入中计算层的输出，而是指定了我们希望层的输出满足的条件。” 注意：可以通过Issues或Pull Requests随意提出建议。 有关微分方程和深度学习之间联系的资源的完整列表，请参阅 目录 隐式深度学习 附加材料 隐式深度学习 神经微分方程 在神经微分方程中，输入-输出映射是通过解决边值问题来实现的。 可学习的成分是微分方程的矢量场。 微分方程（最佳论文奖）： 我们介绍了一个新的深度神经网络模型系列。 代替指定离散的隐藏层序列，我们使用神经网络对隐藏状态的导数进行参数化。 我们还构造了连续规范化流，这是一种生成模型，可以最大程度地进行训练，而无需对数据维进行分区或排序 解剖神经ODE（口头）： 连续深度学习架构最近重新出现为神经常微分方程（N
【文件预览】：
awesome-implicit-neural-models-main
----LICENSE(1KB)
----README.md(12KB)