神经控制微分方程（Neural CDE）利用log-signature和粗路径理论处理不规则时间序列，在分类、预测和连续监测中性能优于传统模型，且训练更快、内存更少。相关扩展包括GN-CDE、STG-NCDE和NRDE，应用于动态图、交通预测及路径相关偏微分方程，并推动可逆变换与在线预测研究。