CNN与可学习核GP混合框架实现稀疏观测数据同化

Emanuele Mele等作者提出一种将卷积神经网络（CNN）与可学习核高斯过程（GP）耦合的混合框架，称可从极稀疏观测中联合完成数据同化与偏差校正，并通过最大化边际对数似然端到端训练。 该框架采用分块策略，把精确GP在N个网格点上的O(N^3)训练成本降至O(N)，推理仅需解一个O(m^3)线性系统，其中m为观测数。上述效果均为作者在论文中的表述。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。