在本手稿中，我们向常规语言的有限替换等同性的不可剥离性提供详细证明$ b \ {0,1 \} ^ * c $。证据是基于Leonid P. Lisovik的作品。
translated by 谷歌翻译
深度学习的最新研究表明，神经网络可以学习控制动态系统的微分方程。在本文中，我们将此概念调整到虚拟模拟（VA）建模中，以学习管理一阶和二阶二极管剪刀的普通微分方程（ODE）。提出的模型实现了与最新的复发神经网络（RNN）相当的性能，尽管使用了较少的参数。我们表明，这种方法不需要过度采样，并且允许在培训完成后提高采样率，从而提高了准确性。使用复杂的数值求解器可以以较慢的处理成本提高准确性。以这种方式学到的ODE不需要封闭的表格，但仍然可以在物理上解释。
translated by 谷歌翻译