神经歧管常微分方程(ODE) 我们在此存储库中提供了的代码。 摘要:我们介绍了神经流形常微分方程,神经ODE的流形泛化,并构造了流形连续归一化流(MCNF)。 MCNF仅需要局部几何形状(因此可以推广到任意歧管),并且可以通过不断变化的变量来计算概率(允许简单而富于表现力的流动构造)。 我们发现,利用连续的歧管动力学可以显着改善密度估计和下游任务。 下图展示了我们论文的多图表方法(允许通用)。 示例学习的密度,以及基线,在下面给出。 双曲面 领域 下面我们直观地看到了神经流形ODE如何学习双曲bigcheckerboard的5 5gaussians和bigcheckerboard密度(上面的双曲面图中的第二和第三行),以及球体上的4wrapped和bigcheckerboard密度(球体图中的第二和第三行)以上)。 双曲面高斯 双曲面棋盘格 球体包裹法线 球形棋盘 软件需求