Differential Equations for Continuous-Time Deep Learning

要約

この短い自己完結型の記事は、ニューラル常微分方程式 (ニューラル ODE) に基づく連続時間深層学習アプローチの紹介と調査を目的としています。
主に、常微分方程式および偏微分方程式とその解析に精通しており、機械学習におけるそれらの役割に興味がある読者を対象としています。
機械学習と応用数学の 3 つの例を使用して、ニューラル ODE がディープ ラーニングへの新しい洞察とより効率的なアルゴリズムの基盤をどのように提供できるかを見ていきます。

要約(オリジナル)

This short, self-contained article seeks to introduce and survey continuous-time deep learning approaches that are based on neural ordinary differential equations (neural ODEs). It primarily targets readers familiar with ordinary and partial differential equations and their analysis who are curious to see their role in machine learning. Using three examples from machine learning and applied mathematics, we will see how neural ODEs can provide new insights into deep learning and a foundation for more efficient algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google