研究探讨稀疏观测下神经控制微分方程信息极限

1. 13:00
   arXiv 机器学习

   稀疏观测下神经控制微分方程（Neural CDEs）的信息极限

   这项研究刻画了神经控制微分方程（Neural CDEs）在稀疏观测下的终端状态歧义，并推导出可计算的目标特异性歧义证书。在确定性自适应采样策略下，非退化平面 CDEs 的最优最坏情况半径在速度有界时按 $N^{-1}$ 缩放，在速度与加速度均有界时按 $N^{-2}$ 缩放（$N$ 为观测间隔数）。合成实验进一步评估了该证书并验证了路径正则性的作用。

Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.