Neural ODE に関する報道

この論文では、ニューラル ODE-LMM を提案します。これは、古典的な線形混合効果モデルにニューラル ODE を埋め込み、ベクトル場の学習を通じて共変量軌跡を連続時間の隠れ状態にエンコードし、固定効果とランダム効果の設計を推進します。エクスポージャーと結果の関数形式を事前に指定する必要がある従来の LMM と比較して、新しい方法はデータから複雑な時間変化する相関パターンを学習し、モデル設定のバイアスを軽減できます。