文件名称：ndp:ICLR 2021论文《神经ODE流程》的官方代码
文件大小：760KB
文件格式：ZIP
更新时间：2024-04-14 09:44:07
Python
神经ODE流程 用于造纸正式代码（ICLR 2021）。 抽象的 神经常微分方程（NODE）使用神经网络对系统状态的瞬时变化率进行建模。 但是，尽管NODE显然适用于动力学控制的时间序列，但仍存在一些缺点。 首先，它们无法适应传入的数据点，这是自然时间方向对实时应用程序的基本要求。 其次，时间序列通常由一组稀疏的度量组成，可以用许多可能的潜在动力学来解释。 NODE不能捕获这种不确定性。 相反，神经过程（NPs）是一类新的随机过程，可提供不确定性估计和快速的数据自适应，但缺乏对时间流的明确处理。 为了解决这些问题，我们引入了神经ODE过程（NDP），这是一类新的随机过程，由神经ODE的分布确定。 通过在基础ODE上保持自适应的数据相关分布，我们证明了我们的模型可以仅从几个数据点成功捕获低维系统的动力学。 同时，我们证明了NDP可扩展到具有未知动态（例如旋转MNIST数字）的具有挑战性的高维
【文件预览】：
ndp-main
----.gitignore(159B)
----requirements.txt(147B)
----data()
--------__init__.py(0B)
--------datasets.py(22KB)
--------data_loading.py(580B)
--------mnist_nonuniform.py(2KB)
--------vary_mnist.py(5KB)
--------download_datasets.sh(189B)
----datasets()
--------.gitignore(4B)
----models()
--------training.py(7KB)
--------__init__.py(0B)
--------neural_process.py(11KB)
--------models.py(23KB)
--------utils.py(8KB)
----README.md(3KB)
----figures()
--------NDP.png(816KB)
----main()
--------2d_regression.py(5KB)
--------1d_regression.py(5KB)
--------eval_img_regression.py(7KB)
--------img_regression.py(6KB)