[EN] AutoBNN：用组合贝叶斯神经网络实现概率时间序列预测
谷歌研究团队发布开源工具AutoBNN，基于JAX，用贝叶斯神经网络替代高斯过程，在保留组合核结构可解释性的同时，实现大规模时间序列数据的高效概率预测与不确定性量化。
高斯过程
[EN] Google开源AutoBNN：组合贝叶斯神经网络实现可解释时序预测
谷歌发布开源工具AutoBNN，将高斯过程的组合核结构与贝叶斯神经网络的灵活扩展性结合，自动发现可解释的时序预测模型并输出高质量不确定性估计，适用于大规模数据集。
谷歌研究团队发布开源工具AutoBNN，基于JAX，用贝叶斯神经网络替代高斯过程，在保留组合核结构可解释性的同时，实现大规模时间序列数据的高效概率预测与不确定性量化。
谷歌发布开源工具AutoBNN，将高斯过程的组合核结构与贝叶斯神经网络的灵活扩展性结合，自动发现可解释的时序预测模型并输出高质量不确定性估计，适用于大规模数据集。