뉴럴 플로우: 뉴럴 ODE의 효율적인 대안

신경망 미분방정식은 시간에 따라 값이 어떻게 변화하는지를 설명한다. 이는 관측이 불규칙한 간격으로 이루어지는 시계열 데이터 모델링에서 특히 중요한 이유이다. 본 논문에서는 신경망 미분방정식의 해 곡선—즉, 미분방정식의 흐름(flow)—을 직접 신경망으로 모델링하는 대안을 제안한다. 이 방법은 여전히 신경망 미분방정식의 모델링 능력을 유지하면서도 고가의 수치적 해법의 필요성을 즉시 제거한다. 우리는 특정 함수가 유효한 흐름을 정의할 수 있는 정확한 조건을 설정함으로써 다양한 응용 분야에 적합한 여러 가지 흐름 아키텍처를 제안한다. 계산 효율성 외에도, 시계열 모델링, 예측 및 밀도 추정 등 다양한 응용 사례를 통해 우수한 일반화 성능을 보이는 실증적 증거를 제시한다.