LEARNING
基于RTS平滑器的物理引导神经微分模型学习
Ahmet Demirkaya, Georgios Stratis, Tales Imbiriba, Zachary D. Danziger, Deniz Erdogmus
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出了一种混合神经-物理框架，通过RTS平滑器交替进行状态估计和参数学习，从部分观测数据中学习未知的ODE分量。在基准系统上的实验表明，该方法能够有效学习缺失的动力学方程，同时保持模型的可解释性。
关键词
neural differential equationsphysics-informed learningstate estimationRTS smootherhybrid modeling
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018