Невральная имитация - результат пространственно-временных гаусов
arXiv: 261 030,36855v 1 Annualce Type: New Humber Brieflow: In fraphio-temporal data Analysis, оценка параметров коварианности для Гауссийских случайных полей на основе оценки максимальной вероятности (MLE) является вычислительно запретным для крупных наборов данных. После последних достижений в методах моделирования мы предлагаем две нейронные сетевые архитектуры - оценку Neural Bayes (NBE) и оценку неврального соотношения (NRE), для изучения параметров гауссианских спячек-временных моделей Gneiting-Mat {\'e}rn с адвекцией. Сети проходят подготовку по моделированию, производимой непосредственно на основе модели Гауссианского случайного поля. Тщательное имитирующее исследование свидетельствует о высокой эффективности в течение одномерного периода времени, а также в рамках как одного измерения пространства, так и двухмерного пространства, что дает высокую точность и надежную количественную оценку неопределенности для НБЭ и NRE. Благодаря интенсивной офлайновой подготовке эта система позволяет сделать полностью амортизированный вывод, заменяя дорогостоящую оптимизацию одним пропуском вперед. Наконец,