Possibilistic Radial Transport for Approximate IM Inference

2026年10月8日，arXiv Statistics Machine Learning 频道发布论文《用于近似 IM 推理的可能性径向传输》。论文提出一种可能性径向传输方法，将参数的可能性轮廓值隐藏在其源点半径中，并配合最大化壳内熵的传输，使覆盖置信截断只需截断半径即可采样。作者还给出一种深度学习算法，在强制轮廓深度条件的同时最大化每个壳内的熵，从而让学习近似下的覆盖与功效评估以及新数据集的预测性检查变得实用。目前报道仅涉及该论文内容，尚无后续验证或讨论。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。