遞迴切換 LDS（rSLDS）

遞迴 SLDS（Linderman 等人）補上了樸素 SLDS 的一個重要漏洞：它讓連續潛在狀態 x_t 去影響下一個離散區制 z_{t+1} 的機率，而不是把區制切換當成一條獨立的馬可夫鏈。離散轉移分布因而成為當前潛在空間位置的函數（通常是線性或神經映射的 softmax），於是模型把潛在空間切分成若干區域、各自帶有其線性流場，而邊界本身也是學來的。

正是這種遞迴讓 rSLDS 成為近似非線性動力學的真正工具：一個平滑的非線性向量場可被表示為一組局部線性片段，其定義域鋪滿整個狀態空間，給出既富表達力又可詮釋的分段仿射流場。在神經科學中，它產生的分解可把一次決策或一次伸手描述為一連串局部線性動力學，並帶有由資料決定的切換邊界。警示與 SLDS 相同：結果取決於區制數目與先驗，而分段線性邊界是一種近似，可能在真實流場其實只是彎曲之處引入假性切換。