Las ecuaciones diferenciales neuronales (Neural Differential Equations) combinan redes neuronales con ecuaciones diferenciales para modelar sistemas dinámicos.
En este caso, la tasa de cambio de un estado se modela como una función de una red neuronal, lo cual es especialmente útil para procesos en tiempo continuo.
Un ejemplo conocido son las Ecuaciones Diferenciales Ordinarias Neuronales (Neural ODEs), en las que una red neuronal define la derivada de un vector de estado y se integra numéricamente.
Estos modelos permiten crear predicciones flexibles pero físicamente consistentes para series temporales, problemas de control o simulaciones físicas.