arXiv stat.ML· Kaichuang Yang, H{\aa}vard Rue, Jakob Zeitler·· 25 天前AI 评分31
ISBO：基于 INLA-SPDE 方法与对数高斯 Cox 过程的可扩展时空贝叶斯优化
ISBO: Scalable Spatio-Temporal Bayesian Optimization with Log Gaussian Cox Process Models via the INLA-SPDE Approach
AI 导读
研究团队提出面向时空数据的可扩展贝叶斯优化框架 ISBO，使用对数高斯 Cox 过程建模并利用 INLA-SPDE 方法实现快速准确的后验推理。该方法结合带掩码的时变 Upper Confidence Bound 采集函数与惩罚复杂度先验，有效避免重复访问并稳定早期探索。实验表明，ISBO 能以极少评估次数精准定位潜强度峰值，且相比 RKHS 基线取得了显著加速。
来源：arXiv stat.ML · arxiv.org