研究者提出引导扩散空间预测方法

研究者提出一种用机器学习中的引导扩散建模求解空间预测问题的方法，前提是数据模型导出的似然函数已知且可微，或经松弛后可微。该方法适用于高斯与非高斯过程模型，以及直接部分观测、线性与面状聚合、计数、右删失和区域超限泛函等多种数据模型。 据该论文，方法在英国与爱尔兰的甲烷通量反演受控实验中得到验证，可处理 MCMC 难以求解的模型，并随隐过程维度扩展良好。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。