待验证50% 置信事实精确时间

HyperNSDE 让基线静态特征通过超网络持续塑造整条轨迹的演化过程，而不仅是初始条件

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

HyperNSDE：用神经随机微分方程生成个性化临床数据

涉及实体

HyperNSDEproduct

相关事实

待验证HyperNSDE 的机制无需额外的轨迹编码器，简化了模型结构77% 相似待验证HyperNSDE 是一个连续时间生成模型，用超网络将潜在的神经随机微分方程与静态患者表征连接起来，以生成合成临床数据71% 相似待验证HyperNSDE 通过依赖潜在状态的强度过程来联合建模观测时刻69% 相似待验证图神经网络（GNN）在捕捉长程相互作用方面存在过平滑挑战，即随网络层数增加所有节点表征趋于一致63% 相似待验证ResNet（残差网络）通过跳跃连接解决了深层网络的梯度消失问题，能提取层次化视觉特征59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983536

API

curl https://kongchang.com/api/v1/knowledge/claims/983536

MCP

get_claim(id=983536)