研究者提出半线性高斯贝叶斯网络SLGBN

2026年10月23日，arXiv Artificial Intelligence 刊出研究，Aitor Oviedo-Madrid 等作者提出半线性高斯贝叶斯网络（SLGBN）。该模型在保留高斯条件分布的同时引入非线性条件均值函数，用基于惩罚 B 样条的广义可加模型（GAM）估计非线性节点，从而统一线性与非线性高斯条件模型。报道称，该框架给出两类节点的参数估计方法和贪心爬山结构学习算法；在存在非线性高斯关系时，SLGBN 的拟合优度与结构恢复优于 SPBN 和 LGBN，结合 EBIC* 评分时提升更明显，且计算开销低于完全半参数方法。目前进展停留在方法提出与实验比较阶段，尚无后续跟进报道。

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。