随机微分方程的可扩展梯度

伴随敏感性方法能够可扩展地计算常微分方程解的梯度。我们将其推广至随机微分方程，实现了在高阶自适应求解器下高效的时间与恒定内存开销的梯度计算。具体而言，我们推导出一个随机微分方程，其解即为所求梯度；提出一种内存高效的噪声缓存算法；并给出了数值解收敛的条件。此外，我们将该方法与基于梯度的随机变分推断相结合，用于潜变量随机微分方程的推断。利用该方法，我们拟合了由神经网络定义的随机动力系统，在一个50维的动作捕捉数据集上取得了具有竞争力的性能表现。