SLGBN 半线性高斯贝叶斯网络提出

2026年10月23日，Aitor Oviedo-Madrid 等人在 arXiv 发布论文，提出半线性高斯贝叶斯网络（SLGBN）。该模型属于新型连续贝叶斯网络，旨在平衡模型复杂度与灵活性，填补现有方法的空白。 SLGBN 在保持高斯条件分布特性的同时，引入非线性条件均值函数。研究人员利用广义可加模型（GAMs）和惩罚 B 样条对非线性依赖关系进行估计，从而增强节点依赖的灵活性。 评估显示，相比 SPBN 和 LGBN，SLGBN 在处理非线性高斯关系时具备更优的拟合度和结构恢复能力。特别是结合 EBIC* 分数时效果显著，且该方法比全半参数方法更具计算优势。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。