솔버를 통한 계산과의 차이
일반적인 연속시간 신경 모형은 주어진 시간 구간의 미분방정식을 여러 내부 단계로 적분할 수 있다. CfC는 시간 의존성을 포함한 닫힌 계산 형태를 활용한다. 임의의 비선형 미분방정식을 모두 정확하게 풀었다는 의미는 아니다.
근사에서 얻는 구조
LTC의 뉴런과 연결 상호작용을 근사해 효율적인 상태 갱신을 구성한다. 모델 이름의 폐형식과 실제 계산의 근사 성질을 구분해야 한다. 학습된 연속시간 구조와 원래 물리계의 정확한 해도 같은 것은 아니다.
시간 의존성의 독립 예제
단순 감쇠식 x(t+Δ)=x(t)e^(−2Δ)를 생각하자. x(t)=4에서 Δ=(ln 2)/2이면 다음 값은 2이고 Δ=ln 2이면 1이다. 시간을 식에 직접 넣어 평가하는 원리만 보여 주며 CfC 셀 전체의 정의는 아니다.
평가할 조건
내부 솔버 단계를 줄이면 실행 비용을 줄일 여지가 있지만 모형 크기와 배치, 장치에 따라 실제 효과가 다르다. 불규칙한 시간 간격의 단위와 범위를 확인하고 정확도 및 지연시간을 함께 평가한다. 학습에서 보지 못한 매우 긴 간격의 예측은 별도로 검증해야 한다.
관련 문서
Liquid Time-constant Network / 신경 상미분방정식 / 잠재 ODE / 순환 신경망 / 시계열 / 지수함수