Skip to content
Hot eventLive

ISBO：基于INLA-SPDE的可扩展时空贝叶斯优化框架

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，arXiv Statistics Machine Learning 频道发布一手报道，介绍研究团队提出的可扩展时空贝叶斯优化框架 ISBO。该框架采用 Log-Gaussian Cox Process 对对数强度进行建模，并利用 INLA-SPDE 方法完成推理，以实现时空场景下的贝叶斯优化。报道未披露实验数据、对比基线或具体应用场景等细节。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 报道 ISBO 框架，用 Log-Gaussian Cox Process 建模对数强度并通过 INLA-SPDE 推理。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Statistics Machine Learning
    ISBO：基于 Log Gaussian Cox Process 与 INLA-SPDE 的可扩展时空贝叶斯优化

    研究提出 INLA-SPDE 时空贝叶斯优化框架 ISBO，用 Log-Gaussian Cox Process 建模对数强度，并通过 INLA-SPDE 完成推理。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.