arXiv · cs.LG 机器学习· Feliciano Giuseppe Pacifico, Duccio Fanelli, Lorenzo Buffoni, Lorenzo Chicchi, Diego Febbe, Raffaele Marino·· 5 小时前AI 评分42
Neural-ODE 精确不动点约束：将先验知识注入网络参数
Exact Fixed-Point Constraints in Neural-ODEs: Injecting Prior Knowledge into the Network Parameters
AI 导读
研究者提出一种将不动点信息直接注入 Neural-ODE 参数的方法，通过 Moore-Penrose 伪逆与薄 QR 分解参数化输出矩阵，使预设不动点在训练全程精确成立，无需惩罚项或事后投影。在含四个平衡点的二维 Lotka-Volterra 竞争模型上，约束模型的不动点残差保持在单精度舍入误差水平，测试误差比同架构无约束网络低约五倍。软惩罚方法降低残差则以精度为代价，残差仍高出至少一个数量级。
来源：arXiv · cs.LG 机器学习 · arxiv.org