谷歌开源了AutoBNN，它结合了传统概率模型的可解释性与神经网络的可扩展性，自动化地发现可解释的时间序列预测模型，并提供高质量的不确定性估计。
关键要点
- AutoBNN基于贝叶斯神经网络与组合核结构，替代了传统高斯过程的计算瓶颈，训练复杂度从数据量的立方级降为近似线性。
- 它能自动组合线性、周期、趋势等基核，输出可解释的结构化预测结果，并支持GPU/TPU加速，适合大规模数据集。
- 该框架还支持与传统深度BNN混合，构建用户自定义高层结构与自动特征发现的混合架构。
AutoBNN的推出降低了贝叶斯时间序列建模的门槛，有望在金融、气象、物联网等需要可靠置信区间的场景中替代传统的高斯过程方法。