arXiv · ML· Ismail Huseynov, Stefan Haufe·· 4 小时前AI 评分26
稀疏贝叶斯学习中的光谱不确定性分解
Spectral Uncertainty Decomposition for Sparse Bayesian Learning
AI 导读
针对 M/EEG 源成像中不适定反问题不确定性量化难题，研究者提出基于先验预条件正向算子奇异值结构的光谱框架。该框架将后验协方差精确分解为数据驱动与几何不可知性认知组件，区分可测量减少与本质不可约的不确定性贡献。此方法为线性高斯贝叶斯反演求解器提供可解释的不确定性量化工具，实现理论洞察与实践应用结合。
来源：arXiv · ML · arxiv.org