面向时空流网络的贝叶斯高斯过程潜变量模型
太阳与恒星天体物理
2026-05-21 v1 地球与行星天体物理
摘要
我们发展了一个基于变分推断的框架，用于训练专为 tails-up 时空流网络而设计的多输出高斯过程潜变量模型。给定受缺失值影响的准确观测数据集，训练通过最大化模型对数边际似然的一个次要变分下界来实现，使用梯度-based 优化。因此，引入了一套新的面向 tails-up 时空流网络的模型理论发展，这些模型依赖稀疏高斯过程诱导变量框架、贝叶斯高斯过程潜变量模型，以及局部变分方法。这些时空模型使用流距离而非欧几里得距离，并通过自/交相关和过程卷积分别捕获空间和时间依赖性，这允许开发有效的可分离时空流网络基 covariance functions。来自基于仿真的案例研究的结果表明，所提出的框架在考虑基准比较和多个性能指标的情况下表现良好。
引用
@article{arxiv.2605.21306,
title = {HD 38973 b -- a cold Saturn orbiting a Sun-like star},
author = {Adriana Errico and Robert A. Wittenmyer and Jonathan Horner and Brad Carter and Alexander Wallace},
journal= {arXiv preprint arXiv:2605.21306},
year = {2026}
}