适合解决ode方程的神经网络结构有哪些

1、适合常微分方程的神经网络结构有哪些？具体一点的。
2、对差值进行预测选择resnet效果不好，该如何解决。

残差网络、递归神经网络等等，具体说明可以看看

神经网络常微分方程 (Neural ODEs) 解析 - 知乎 导语：在本文中，我将尝试简要介绍一下这篇论文的重要性，但我将强调实际应用，以及我们如何应用这种需要在应用程序中应用各种神经网络。 原标题 | Neural ODEs: breakdown of another deep learning breakthrough… https://zhuanlan.zhihu.com/p/77587163

第二个是Resnet对传统网络的改进：加入Shortcut连接，改善了深层网络的网络退化问题，使网络模型可以训练到很深层等
具体说明可以看看

机器学习32:对Resnet几个问题的理解_小娜美要努力努力的博客-CSDN博客 机器学习32:对Resnet几个问题的理解 Resnet对传统网络的改进：加入Shortcut连接，改善了深层网络的网络退化问题，使网络模型可以训练到很深层等已经是老生常谈了，也训练过Resnet模型有效地分类了Cifar数据集，但是对于Resnet始终存有几个疑问。 首先第一个问题是为什么=x较​​​​​​​=0拟合难度大；第二个问题是如果残差模块的训练目... https://blog.csdn.net/weixin_39504171/article/details/104965860