arXiv · ML· Julien Martinelli, Maksim Sinelnikov, Harri L\"ahdesm\"aki, Quentin Clairon, M\'elanie Prague·· 2026-10-12AI 评分33
MEGPODE:基于高斯过程的贝叶斯非参数混合效应ODE模型
Bayesian Nonparametric Mixed-Effect ODEs with Gaussian Processes
AI 导读
提出贝叶斯非参数混合效应ODE模型MEGPODE,将每个受试者的向量场分解为共享群体组件与个体偏差,两者均赋予高斯过程先验。 采用状态空间高斯过程先验表示潜在轨迹,并在有限时间网格上惩罚其导数与向量场的差异,避免训练时重复求解ODE。 在异质振荡及生物医学ODE基准测试中,相比强基线模型,显著提升了群体场恢复及受试者级轨迹预测性能。
来源:arXiv · ML · arxiv.org