تحدث سلاسل زمنية ذات فترات غير متساوية في العديد من التطبيقات، وهي صعبة النمذجة باستخدام الشبكات العصبية التكرارية القياسية (RNNs). نعمم الشبكات العصبية التكرارية لكي تمتلك ديناميكيات خفية مستمرة الزمن محددة بالمعادلات التفاضلية العادية (ODEs)، وهو النموذج الذي نسميه ODE-RNNs. علاوة على ذلك، نستخدم ODE-RNNs لاستبدال شبكة التعرف في نموذج ODE الخفي الذي تم اقتراحه مؤخرًا. يمكن لكل من ODE-RNNs وODEs الخفية التعامل بشكل طبيعي مع الفواصل الزمنية العشوائية بين الملاحظات، ويمكنهما أيضًا نمذجة احتمالية أوقات الملاحظات باستخدام العمليات البوازونية (Poisson processes). نظهر تجريبيًا أن هذه النماذج القائمة على المعادلات التفاضلية العادية تتفوق على نظيراتها القائمة على الشبكات العصبية التكرارية في بيانات العينات الغير منتظمة.