神经歧管常微分方程（ODE） 我们在此存储库中提供了的代码。 摘要：我们介绍了神经流形常微分方程，神经ODE的流形泛化，并构造了流形连续归一化流（MCNF）。 MCNF仅需要局部几何形状（因此可以推广到任意歧管），并且可以通过不断变化的变量来计算概率（允许简单而富于表现力的流动构造）。 我们发现，利用连续的歧管动力学可以显着改善密度估计和下游任务。 下图展示了我们论文的多图表方法（允许通用）。 示例学习的密度，以及基线，在下面给出。 双曲面 领域 下面我们直观地看到了神经流形ODE如