12:25
官方账号arXiv cs.LG@Ahmet Demirkaya, Georgios Stratis, Tales Imbiriba, Zachary D. Danziger, Deniz Erdogmus
推荐理由：这篇论文用RTS平滑器引导神经网络学缺失的微分方程，部分观测下就能恢复动力学，还能保持模型解释性。
混合建模
共 3 条相关 AI 资讯
7月17日
12:25
本文提出混合神经-物理框架，将已知ODE组分保留、未知组分用神经网络表示。方法分两阶段：先用RTS平滑器从部分观测推断潜在状态，再用平滑轨迹通过反向传播学习神经网络参数。在包含线性、非线性和刚性动力学的基准系统上评估，该方法能从不完整测量中学习缺失ODE组件，同时保持可解释性，并改善潜在状态重建和长时预测。
6月19日
09:49
09:49
官方账号arXiv cs.LG@Paul Collart, Juergen Gall, Andrea Schnepf, Holger Pagel, Lars Doorenbos
推荐理由：这篇论文提出了一个新方法，用神经网络从宏基因组数据预测土壤微生物参数，还能在小样本下保持准确，搞生态模拟或AI交叉的可以看看。
6月18日
10:39
10:39
官方账号arXiv cs.LG@Till Richter, Niki Kilbertus
推荐理由：这篇论文提出OrthoReg，解决了混合建模中神经网络容易学走符号部分的问题，实验效果明显，写代码的朋友可以看看。