待验证50% 置信事实精确时间
神经随机微分方程是将经典SDE中的漂移项和扩散项替换为神经网络，从而在连续时间上建模随机动态过程
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证神经 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78% 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75% 相似待验证SDECast 的连续时间随机框架为 AI 模型中的不确定性量化提供了一条不同于扩散模型集合或显式扰动方法的新路径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72% 相似待验证大模型中的参数在数学上是神经网络每条连接边上的权重数值和偏置值，训练前随机初始化，通过反向传播算法和梯度下降不断调整68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/983543API
curl https://kongchang.com/api/v1/knowledge/claims/983543MCP
get_claim(id=983543)