本文介绍了复神经算子（CoNO）的应用，通过参数化积分核和复值神经网络提高模型的表示能力、噪音鲁棒性和泛化能力。实证评估结果显示CoNO在多个数据集和任务中表现优秀，为连续动态系统的建模提供了鲁棒且优越的模型。

该文介绍了一种新的复神经算子（CoNO），通过在复分数傅立叶域中参数化积分核并利用复值神经网络及无混淆激活函数，提高模型的表示能力、噪音鲁棒性和泛化能力。实证评估结果显示，CoNO 在多个数据集和任务中表现出与或优于最先进模型的性能，为连续动态系统的建模提供了鲁棒且优越的模型。