本研究提出AGAIN方法，解决了现有可解释神经网络在未知扰动下无法生成有效解释的问题。通过整合逻辑规则，AGAIN显著提升了可解释性和有效性，实验结果优于现有方法。

本研究提出了一种新颖的方程发现框架，结合去噪算法、可解释神经网络和物理信息样条拟合，旨在解决机器学习在动态系统建模中的可解释性不足问题。该框架成功识别非线性方程结构，展示了其在物理理解与建模中的潜在影响。