Semi-Linear Gaussian Bayesian Networks: 利用惩罚 B-Splines 增强节点依赖灵活性

论文提出 Semi-Linear Gaussian Bayesian Networks (SLGBN)，在保持高斯条件分布的同时引入非线性条件均值函数，使用 GAMs 和惩罚 B-splines 进行估计。 对比 SPBN 和 LGBN，SLGBN 在非线性高斯关系下实现了更优的拟合度和结构恢复能力，尤其在结合 EBIC* 分数时效果显著，且比全半参数方法更具计算优势。