热点事件持续更新
ResTGP：面向高维数据的残差树高斯过程建模框架
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，研究者在 arXiv（Statistics Machine Learning）发表报告，提出名为 ResTGP 的贝叶斯残差树高斯过程方法，用于分析多维域中具有异质结构的大规模空间数据。该方法沿二叉树在多级分辨率上分解高斯过程，迭代计算预测与残差过程，使每个节点的残差过程足以刻画该节点内更细粒度的依赖关系，从而灵活描述协方差结构，并通过分治策略提升计算效率。目前报道仅涉及方法提出与原理，未见后续验证或应用进展。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
2026-10-05 研究者提出 ResTGP 方法，用二叉树多级分解高斯过程以刻画细粒度依赖并提升计算效率。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Statistics Machine LearningResTGP：面向高维数据的残差树高斯过程建模框架
研究者提出名为 ResTGP 的贝叶斯残差树高斯过程方法，用于分析多维域中具有异质结构的大规模空间数据。该方法沿二叉树在多级分辨率上分解高斯过程，迭代计算预测与残差过程，使每个节点的残差过程足以刻画该节点内更细粒度的依赖关系，从而灵活描述协方差结构并通过分治策略提升计算效率。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。