神经常微分方程的稳定感知初始化

本文研究了神经常微分方程（Neural Ordinary Differential Equations）的训练，探讨了数值积分技术、稳定区域、步长和初始化技术之间的相互作用。文章展示了积分技术的选择如何隐式地对学习模型进行正则化，并且求解器的相应稳定区域如何影响训练和预测性能。在此分析的基础上，引入了一种基于稳定性的参数初始化技术。该初始化方法在多个学习基准和工业应用中显示出效果。