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。
RTS smoother
共 1 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。