基于广义贝叶斯推断的鲁棒实验设计

研究者提出广义贝叶斯最优实验设计（GBOED），将广义贝叶斯推断扩展至实验设计领域，在设计与推断中同时实现鲁棒性。该方法利用广义贝叶斯决策理论推导出全新的采集函数——Gibbs 期望信息增益。实验表明，GBOED 能有效提升对离群值以及结果噪声分布错误假设的鲁棒性。