Drift-Diffusion Matching: Embedding dynamics in latent manifolds of asymmetric neural networks
Cet article introduit le « drift-diffusion matching », un cadre pour l'entraînement de réseaux de neurones récurrents continus asymétriques afin d'incorporer fidèlement des équations différentielles stochastiques non linéaires arbitraires au sein de variétés latentes de faible dimension, étendant ainsi la théorie des réseaux d'attracteurs au-delà de l'équilibre pour modéliser des dynamiques biologiques complexes telles que la mémoire associative et épisodique.