谷歌开源AutoBNN，它结合了传统概率方法的可解释性与神经网络的可扩展性，能自动发现时间序列预测模型，并提供高质量的不确定性估计。
关键要点
- AutoBNN基于JAX构建，用贝叶斯神经网络替代高斯过程，同时保留组合核结构，在大型数据集上训练更快且更适合GPU/TPU加速。
- 该工具可自动组合线性、周期、趋势等基本核函数，无需大量人工调参，输出易于理解的结构化模型。
- AutoBNN能与深度贝叶斯神经网络结合，构建“混合”架构，适用于高维协变量场景。
AutoBNN降低了时间序列建模的门槛，尤其适合非专家用户，同时在计算效率和可解释性之间取得了良好平衡，有望推动贝叶斯时间序列方法在工业界的广泛采用。