Skip to content
Hot eventLive

ResTGP：面向高维数据的残差树高斯过程建模框架

1 reports1 sources16 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 16 hr ago

LatestOct 5
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。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Statistics Machine Learning
    ResTGP：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。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

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.