Rubanova

时间序列建模的条件流匹配

可以通过使用神经网络近似其矢量场来学习系统的不变动态，这是一种称为神经odes的概念（Chen等人。，2018b; Rubanova等。，2019年； Yildiz等。，2019年）。然而，这些模型的损失景观的复杂性随观察到的轨迹的长度而增加，因此它们的训练也无法收敛于中等长的观察范围（Ribeiro等人。，2020年； Metz等。，2022）。早期溶液将长轨迹分为较小的细分市场，并通过约束确保概率模型的连续性（Hedge等人。，2022; Iakovlev等。，2023）。然而，在没有离散近似值的情况下安装长轨迹仍然是一个空旷的问题。