序贯稀疏高斯过程分位数回归方法

研究人员提出了一种用于分位数回归的序贯稀疏高斯过程框架，通过诱导变量与拉普拉斯近似实现高效的后验推断与不确定性量化。该方法将预测不确定性分解为条件先验方差和后验诱导方差，驱动自适应的诱导输入填充与数据采集，将计算资源集中于主要不确定性来源并自适应控制模型复杂度。实验和船舶耐波性应用表明，该策略在有限仿真预算下优于预定义采集及文献中的重复采样方法。