研究人员开发了分层贝叶斯求积（HBQ）方法，这是一种用于数值积分的新方法，解决了标准贝叶斯求积在处理非平稳被积函数时的局限性。HBQ将积分域自适应地划分为局部平稳模型，并通过高斯过程（GP）条件化层级结构重新组合估计，以捕捉跨子域的相关性。该方法避免了马尔可夫链蒙特卡洛（MCMC），并根据局部被积函数的复杂性调整计算预算，在基准问题和实际流行病学模型上显示出显著的改进。 AI
影响 该方法可以提高概率机器学习和科学计算中积分估计的准确性和效率。
排序理由 该集群包含一篇详细介绍数值积分新方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
