Ismail Huseynov发布稀疏贝叶斯学习不确定性分解论文

2026年10月21日，Ismail Huseynov与Stefan Haufe在arXiv发布论文《Spectral Uncertainty Decomposition in Sparse Bayesian Learning》(arXiv:2610.30207)。该论文针对M/EEG源成像中不适定反问题的不确定性量化难题，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两个认知组件，从而区分可测量减少的不确定性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了可解释的量化工具，实现了理论洞察与实践应用的结合。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。