研究团队提出 SCORE 高斯协方差估计框架

Christopher Bülte 等作者提交预印本论文，提出 SCORE 框架，将评分规则训练与光谱空间协方差近似结合，用于多元高斯分布的协方差建模。该方法把 d 维数据的学习任务分解为边缘分布和结构化相关矩阵两部分，实现线性存储与 O(d log d) 计算成本，并利用高斯核评分闭式解训练，在退化协方差下仍有定义且梯度有界，同时证明其具备酉变换下的精确不变性。 论文称，在时间序列预测、单目深度估计和空间天气预测任务上，SCORE 以更低计算成本取得更优性能。上述结果来自作者自报，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。