Microaula em Método CELULA • Prévia Aberta

<p>Evolução das redes neurais para fluxos de dados contínuos. A transição metodológica de Neural Ordinary Differential Equations (Neural ODEs / Chen et al., 2018) para Neural Controlled Differential Equations (Neural CDEs / Kidger et al., 2020) e, finalmente, para Neural Rough Differential Equations (Neural RDEs). O papel da log-assinatura (log-signature) na Álgebra de Lie livre: compressão estrita de informação sem redundâncias do produto shuffle. Como as redes neurais guiadas por caminhos rugosos processam sinais estocásticos de alta frequência com saltos, ruído de microestrutura e amostragem irregular, garantindo estabilidade numérica superior e eficiência paramétrica incomparável em relação a LSTMs, GRUs e Transformers.</p>

Evolução das redes neurais para fluxos de dados contínuos. A transição metodológica de Neural Ordinary Differential Equations (Neural ODEs / Chen et al., 2018) para Neural Controlled Differential Equations (Neural CDEs / Kidger et al., 2020) e, finalmente, para Neural Rough Differential Equations (Neural RDEs). O papel da log-assinatura (log-signature) na Álgebra de Lie livre: compressão estrita de informação sem redundâncias do produto shuffle. Como as redes neurais guiadas por caminhos rugosos processam sinais estocásticos de alta frequência com saltos, ruído de microestrutura e amostragem irregular, garantindo estabilidade numérica superior e eficiência paramétrica incomparável em relação a LSTMs, GRUs e Transformers.

Das Neural ODEs às Neural RDEs: O Salto Teórico de Patrick Kidger et al. (2020)

Neural ODEs modelam o estado oculto via dy_t / dt = f_θ(y_t), sendo incapazes de responder a dados que chegam ao longo do tempo. Neural CDEs resolvem isso introduzindo ...