待验证50% 置信事实精确时间
神经常微分方程（Neural ODE）由Chen等人于2018年NeurIPS提出，用神经网络参数化系统状态的连续时间导数并通过ODE求解器积分
1
来源数
50%
置信度
长期有效
时效性
2026/10/3
首次发现
来源
涉及实体
相关事实
待验证Neural ODE由陈天琦等人在2018年NeurIPS最佳论文中提出，核心思想是将残差网络的离散层视为连续动力系统的欧拉离散化72% 相似待验证存在一项题为《人工神经网络的涌现符号结构》的研究，关注神经网络在训练过程中是否会自发形成类似人类认知的符号化结构67% 相似待验证神经符号规划方向尝试用神经网络学习动作模型，同时保留符号规划器的推理结构以兼得两者之长66% 相似待验证Bengio等人于2003年提出神经概率语言模型，将离散的n-gram统计模型升维为连续向量空间中的神经网络66% 相似待验证Kaplan等人在2020年提出的神经网络缩放定律表明模型性能与数据量、参数量、计算量之间存在幂律关系，模型交叉熵损失L与参数量N满足L ∝ N^(-α)66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/969831API
curl https://kongchang.com/api/v1/knowledge/claims/969831MCP
get_claim(id=969831)