HyperNSDE用超网络把静态基线写入神经SDE漂移,在模拟与真实临床数据上改善观测时间保真度
作者提出HyperNSDE,一个连续时间生成模型:用HI-VAE编码异质静态协变量,再通过超网络把静态潜表示映射为个体化漂移参数,驱动一个潜神经SDE,并用潜状态依赖强度过程联合建模观测时间,训练上采用确定性—随机路径分解与签名核目标;在模拟数据和VELOUR、PPMI两个真实队列上,它取得更好的观测时间保真度与若干分布和隐私指标,而预测与相关性指标表现不一,受观测网格规则性和轨迹平滑度影响。
作者提出HyperNSDE,一个连续时间生成模型:用HI-VAE编码异质静态协变量,再通过超网络把静态潜表示映射为个体化漂移参数,驱动一个潜神经SDE,并用潜状态依赖强度过程联合建模观测时间,训练上采用确定性—随机路径分解与签名核目标;在模拟数据和VELOUR、PPMI两个真实队列上,它取得更好的观测时间保真度与若干分布和隐私指标,而预测与相关性指标表现不一,受观测网格规则性和轨迹平滑度影响。
该研究提出 ArchesClimate-SSP(AC-SSP),在 ArchesWeather 架构上以能量分数损失加变差函数损失训练,并以强迫浓度(CO2、CH4、N2O、六种气溶胶、臭氧)为条件,用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景;在留出的 SSP5-3.4 超调情景上,其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K,低于统计模拟器 MESMER-M 的 1.0963 K,且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。
已读完全部报道