Neural ordinary differential equations e le loro applicazioni

L’elaborato propone una breve introduzione alle neural ordinary differential equations. Esso si compone di un’introduzione ai feedforward neural networks, passando per la definizione di neurone artificiale, dall’enunciato dell’universal approximation theorem fino al training del modello attraverso la backpropagation. In seguito si approfondiscono alcuni elementi fondamentali dell’automatic differentiation, studiando la forward mode e la reverse mode. Successivamente si arriva alla definizione di neural ordinary differential equation, analizzando qualche esempio semplice e le possibili modalità di training. Infine viene presentata più nel dettaglio un’applicazione delle neural ordinary differential equations alla precision medicine.