受物理启发的神经图 ODE 用于长期动态仿真

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文介绍了一种新颖的基于图的多-ODE神经网络(GRAM-ODE)架构,通过不同视图捕捉复杂的局部和全局动态时空依赖关系,学习更好的表示。GRAM-ODE在六个真实数据集上相比最先进的基线方法具有明显的优势,并且不同组件对整体性能有贡献。

🏷️

标签

➡️

继续阅读