.png){kind=icon}
返回
Efficient monotonic Gaussian processes via Randomize-then-Optimize
.png){kind=icon}
OA
AI
DOI：10.1016/j.jcp.2026.114787.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 基于单调高斯过程的新的优化型虚拟点方法RLRTO。
• 使用CUQIpy库对RLRTO和NUTS方法的开源Python实现。
• 大量的数值实验表明RLRTO比MCMC具有更高的效率。
Keyword:
Gaussian processes
Monotonicity constraints
Inverse problems
Bayesian methods
Constrained optimization
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.8
论文数:
1.6W
被引数:
7.4W
机构
引用论文
.png){kind=icon}
分享收藏Sequential Construction and Dimension Reduction of Gaussian Processes Under Inequality Constraints高斯过程在不等式约束下的顺序构造与降维
PREAI
分享收藏分享收藏分享收藏
查看更多内容