改进外推和推理的路径最小化潜在常微分方程

本研究针对潜在常微分方程模型在复杂非线性动态外推和预测中的不足，提出了一种新颖的方法，通过在潜在空间中引入$\ell_2$路径长度惩罚来增强模型的泛化能力。研究结果表明，这种方法在训练速度、模型大小及准确性方面明显优于传统模型，对动力系统的理解与预测产生了积极影响。