ISBO：可扩展时空贝叶斯优化框架
热点事件持续更新
ISBO：可扩展时空贝叶斯优化框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Kaichuang Yang等作者提出基于INLA-SPDE的可扩展时空贝叶斯优化框架ISBO，用于时空数据优化。该框架用Log-Gaussian Cox Process建模对数强度，通过INLA-SPDE推断，并借助Matern场在网格上生成稀疏高斯马尔可夫随机场，以加快后验推断。作者称ISBO是首个面向时空数据的可扩展贝叶斯优化框架。 ISBO使用带掩码的时变Upper Confidence Bound采集函数，以避免重复访问同一位置。相关论文发布于arXiv的cs.LG分类。
AI 根据报道生成 · 47 分钟前更新
最新进展10月9日 12:00
ISBO：基于 INLA-SPDE 与 Log-Gaussian Cox Process 的可扩展时空贝叶斯优化报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LGISBO：基于 INLA-SPDE 与 Log-Gaussian Cox Process 的可扩展时空贝叶斯优化
ISBO 是首个面向时空数据的可扩展贝叶斯优化框架，用 Log-Gaussian Cox Process 建模对数强度，并通过 INLA-SPDE 做推断。它借助 Matern 场在网格上生成稀疏高斯马尔可夫随机场，实现快速准确的后验推断，配合带掩码的时变 Upper Confidence Bound 采集函数避免重复访问。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。