待验证50% 置信事实精确时间
神经 SDE 相比确定性神经常微分方程（Neural ODE）多出随机项，能够生成多条演化轨迹并天然输出预报集合
1
来源数
50%
置信度
长期有效
时效性
2026/10/5
首次发现
来源
涉及实体
相关事实
待验证神经常微分方程（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72% 相似待验证对选中神经元进行激活替换翻转模型预测的频率比同等规模随机神经元集合高出一个数量级，且双向成立71% 相似待验证神经网络更像是'生长'出来的，而非被'设计'出来的，通过提供数据和学习算法从随机状态微调而成70% 相似待验证SDECast 使用神经随机微分方程（Neural SDE）实现连续时间下的概率性天气预报69% 相似待验证贝叶斯定理在朴素贝叶斯分类器、贝叶斯神经网络、变分自编码器（VAE）和扩散模型中都有直接应用66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/976053API
curl https://kongchang.com/api/v1/knowledge/claims/976053MCP
get_claim(id=976053)