Neural ODE（神经常微分方程）

Neural ODE 由 Chen 等人于 2018 年提出，将残差网络的离散层推广为连续变换。它定义状态导数由神经网络参数化，通过 ODE 求解器前向传播，反向传播用伴随法。优点包括内存高效、自适应计算、可处理不规则时间序列。应用于生成模型、时间序列预测等领域。