2018년의 Neurips에서 화제가 되었다.

논문 : NeuralODE
GitHub: htps : // 아 rぃ v. rg/아bs/1902.02376
문서 : htps : // 기주 b. 이 m/S하여 ML/ぢふぇqFぅx. jl
Julia 공식 블로그 기사 : h tps://ぢふぇqfぅx. s 및 ml. 아이 /에서 v /

Julia 설정

저자는 Julia의 개발 환경에 Juno를 사용하고 있습니다.
MATLAB 같은 느낌으로 움직일 수 있으므로 편리합니다.

셋업은 이쪽의 기사가 참고가 됩니다.
htps : /// 쥬아아 g. rg/bぉg/2019/01/fぅxぢふぇq/

DiffEqFlux.jl은 어떤 라이브러리입니까?

Julia의 기계 학습 라이브러리는 다음 기사에서와 같이 여러 가지가 있습니다.
htps : // 코 m / 사로 라사키 / ms / 3 33 에세 801b75 에 248c
이 중에서도 "h tps://오펜소 r세후우. 코 m / 2019 / 03 / te-be st- 마치 네 ぇ 아 r-n g ぃ b 라 리에 s- ン - 쥬 아 /"라이브러리는 유명합니다.
또, 미분 방정식을 푸는 라이브러리로서는 「 Flux.jl 」 라이브러리가 있습니다.
이 2개를 조합할 수 있었던 것이, 이번 「DiffEqFlux.jl」라이브러리와 같습니다.

DiffEqFlux.jl은 Neural ODE뿐만 아니라 확률 미분 방정식과 편미분 방정식을 사용하여 신경망을 만들 수있는 것 같습니다. (Universal neural differential equations)
또, GPU의 사용에도 대응하고 있습니다.

DiffEqFlux.jl 시도해보기

환경은 다음과 같습니다.
우분투
Julia 1.4.2
Juno

설치

라이브러리 설치는 Julia의 대화 환경에서 다음과 같이 수행합니다.

Pkg.add("DiffEqFlux")

데모 이동

DifferentialEquations.jl
이것을 움직이자.

실행하면 예측값이 데이터에 피팅되어 가는 모습을 plot로 알 수 있습니다.

첫 번째 plot
문서에 Neural ODE 데모가있었습니다.

훈련 후 plot

끝에

잘 다루기 위해서는 Julia와 Flux 라이브러리에 대한 지식이 필요할 것 같습니다.
앞으로 공부하고 싶습니다.