Drift-Diffusion Matching: Embedding dynamics in latent manifolds of asymmetric neural networks
Este artigo introduz o "drift-diffusion matching", um framework para treinar redes neurais recorrentes contínuas assimétricas para incorporar fielmente equações diferenciais estocásticas arbitrárias dentro de variedades latentes de baixa dimensão, estendendo, assim, a teoria das redes de atratores para além do equilíbrio para modelar dinâmicas biológicas complexas, como a memória associativa e episódica.