Google 发布了开源工具 AutoBNN，将传统概率模型的可解释性与神经网络的可扩展性相结合，自动发现时间序列预测模型，并提供高质量的置信区间。
关键要点
- AutoBNN 基于组合贝叶斯神经网络（BNN），替代了传统高斯过程（GP）的核结构，训练复杂度从 O(N³) 降至近似线性。
- 该方法自动组合线性、周期性等基核函数，避免人工调参，并支持 GPU/TPU 加速和混合深度架构。
- 通过引入权重上的概率分布，AutoBNN 能有效量化预测不确定性，同时保持模型的可解释性。
AutoBNN 降低了时间序列建模的专业门槛，尤其适合非专家用户在大规模数据上快速获得可靠置信区间，推动了概率性预测的实用化。