May, 2023
流形上的学习:利用几何可控条件的神经 ODE 通用逼近性质
Learning on Manifolds: Universal Approximations Properties using Geometric Controllability Conditions for Neural ODEs
Karthik Elamvazhuthi, Xuechen Zhang, Samet Oymak, Fabio Pasqualetti
TL;DR本文研究了一类神经常微分方程,通过设计这类方程在光滑流形上,使其可以应用于机械系统等领域中。作者利用控制可比性的性质来表征了这类方程的特性,并且使用 PyTorch 对动力系统的几何模型 S2 和三维正交群 SO (3) 进行了数值实验,验证了其优于常规神经常微分方程的性能。