利用 SIR 模型中的通用微分方程学习 COVID-19 地区传播
该论文提出了一种利用神经随机微分方程(SDEs)解决ResNet-like模型在意外辐射发射(URE)分类中的鲁棒性和可解释性的方法。实验证明,神经SDE模型具有更强的鲁棒性和更有意义的解释。该方法对于开发在数据本质上嘈杂且可解释机器学习预测的实际URE应用来说,是一小但重要的步骤。
原文中文,约600字,阅读约需2分钟。
该论文提出了一种利用神经随机微分方程(SDEs)解决ResNet-like模型在意外辐射发射(URE)分类中的鲁棒性和可解释性的方法。实验证明,神经SDE模型具有更强的鲁棒性和更有意义的解释。该方法对于开发在数据本质上嘈杂且可解释机器学习预测的实际URE应用来说,是一小但重要的步骤。