本研究提出了一种高效的稀疏识别非线性动态的浅层递归解码网络(SINDy-SHRED)方法，旨在解决高维、噪声和数据收集成本高的问题，表现优于现有技术。

本文探讨了稀疏识别非线性动力学（SINDy）在随机动力学系统中的扩展，强调交叉验证的重要性。研究提出了一种结合高斯过程回归的鲁棒方法，能够有效从噪声数据中发现非线性控制方程。同时，Nested SINDy增强了SINDy的表达能力，展示了其在符号回归中的潜力，并指出了优化过程中的挑战。