Skip to content
Hot eventLive

受约束概率数值：线性不等式约束下线性PDE的高斯过程求解器

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月12日，arXiv Statistics Machine Learning 发布一手研究《Constrained Probabilistic Numerics》，提出把线性不等式约束（如非负性、单调性、无套利）作为条件信息注入高斯过程 PDE 求解器。研究证明联合条件化等价于在解空间上按 Borel 测度序贯条件化，所得结果分布为非高斯，但可用截断高斯矩进行计算。该工作将概率数值方法扩展到带不等式约束的线性偏微分方程求解场景，目前未见后续验证或争议报道。

Generated from reports · updated 2 hr ago

LatestOct 12
2026-10-12 arXiv 发表该研究，提出线性不等式约束注入高斯过程 PDE 求解器并证明序贯条件化等价性。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Statistics Machine Learning
    Constrained Probabilistic Numerics：线性不等式约束下求解线性 PDE 的高斯过程求解器

    该研究提出把线性不等式约束（非负性、单调性、无套利）作为条件信息注入高斯过程 PDE 求解器，证明联合条件化等价于在解空间上按 Borel 测度序贯条件化，结果分布非高斯但可用截断高斯矩计算。

Heat trend

There is not enough continuous observation data to draw a trend yet.