networks - collections of interacting elements or nodes - abound in the
natural and manmade worlds. For many networks, complex spatiotemporal dynamics
stem from patterns of physical interactions unknown to us. To
使用变分贝叶斯框架，我们通过边际化延迟的不确定性，提供了对网络节点之间的定向耦合估计问题的解决方案。通过使用混合 - VI 方案，我们能够对测量参数的后验分布进行估计，同时使用基于梯度的高度可扩展的 VI 估计耦合的条件后验分布。在我们的基准实验中，我们展示了网络能够可靠且保守地估计耦合，明显优于回归 DCM 等相似方法。