في الآونة الأخيرة، طرحت مجموعة من الباحثين أسلوبًا جديدًا لبناء الشبكات العصبية يعتمد على مفهوم التكيف حسب المستوى (Layerwise Adaptivity). يعتمد هذا الأسلوب على تقنية موجهة نحو الهدف تعمل باستخدام أوزان مزدوجة (Dual-weighted) بهدف تعزيز فعالية التحكم الأمثل لمعادلات التفاضل العصبية (Neural ODEs).

تتضمن هذه الطريقة تحويل المشكلة إلى مشكلة تحسين مقيدة بمعادلات تفاضلية عادية، حيث تعمل الضوابط كمعاملات وتحدد دالة خسارة معينة. من خلال تطبيق هذه التقنية، تم استخدام طريقة تفريع غاليركين (Galerkin Discretization) لتفاصيل تنفيذ نموذج ODE العصبي. يعتمد هذا التنفيذ على نموذج زمني محدد، يمكّن الباحثين من استخدام خوارزمية آدام (Adam Algorithm) وطريقة BFGS المعدلة لتعزيز نتائج التحسين.

أظهرت النتائج المستخلصة من تطبيق هذه الطريقة على مجموعة من الأمثلة المعروفة في الأدبيات العلمية قدرة عالية في تصنيف مجموعات البيانات، مما يعكس إمكانية توسيع نطاق الاستخدامات العملية لهذا النموذج الجديد في تطوير الشبكات العصبية. يعد هذا البحث خطوة هامة في اتجاه تحقيق فهم أعمق لكيفية تحكم الشبكات العصبية في البيانات المعقدة.