空间和时空对数高斯 Cox 过程：拓展地质统计学范式
本文提出了一种新颖的基于高斯 Cox 过程的最大后验推断方法，通过引入 Laplace 近似和核函数转换技术，使得推断问题在新的再生核希尔伯特空间中更易于计算，从而在功能后验和后验的协方差方面得到了扩展。在此基础上，我们提出了一个基于高斯 Cox 过程模型的贝叶斯优化框架，并进一步开发了一种 Nyström 近似方法以进行高效计算。在各种合成和实际数据集上的广泛评估表明，与现有的高斯 Cox 过程推断解决方案相比，本方法取得了显著的改进，同时还能有效地进行基于高斯 Cox 过程模型设计的各种收集函数的贝叶斯优化。
Jan, 2024
该论文提出了一种基于傅立叶特征的 Cox 过程推断方法，用于在三维空间中模拟具有复杂时空模式的超过 100,000 个事件，其具有比先前方法更一致的优化行为，并能近似贝叶斯估计非高斯后验概率。
Apr, 2018
本文介绍了一种新颖的多任务高斯 Cox 过程扩展，通过多输出高斯过程（MOGP）联合建模多个异构相关任务，例如分类和回归，MOGP 先验适用于用于分类、回归和点处理任务的专用似然函数的参数，可以促进异构任务之间的信息共享，同时允许非参数估计，为了克服 MOGP 调制的非共轭贝叶斯推断，我们采用数据增强技术，并推导出均场逼近以实现用于估计模型参数的闭式迭代更新，通过 1D 合成数据和温哥华的 2D 城市数据来展示性能和推断。
Aug, 2023
定义蔟合过程，开发了一种随机波动率模型以描述随机变量之间相互依赖关系，使用贝叶斯推断和马尔科夫链蒙特卡罗方法进行预测，并发现该方法可以处理缺失数据、包括其他协变量和一类丰富的协方差结构，相对于 GARCH，该模型在模拟和金融数据上表现更好。
Jun, 2010
本文综述了在地球卫星观测中，机器学习算法（尤其是高斯过程回归）在生物物理参数估计方面的应用，以及如何利用前向模型改进预测和理解物理关系。最后，本文提出了三种高斯过程模型，分别为联合高斯过程模型、潜在力模型和自动高斯过程仿真器，通过植被监测和大气建模的实例验证了它们的性能。
Dec, 2020
本研究提出了一种全新的基于变分贝叶斯推断法的、用于处理连续高斯过程调制泊松过程的方案，并得出了有关神经科学、地理统计和天文学等领域的实验数据，证明这种方案具有非常高的效率和性能优势。
Nov, 2014
本文提出了一种用于高斯过程建模的新方法，其中计算要求随着数据集的大小呈线性比例增长，与天文时间序列数据的应用作为例子，演示了此方法可用于概率推断星体旋转周期、星震振荡谱和凌星行星参数等问题，具有快速、可解释、可适用于天文数据分析和其他领域等优点。
Mar, 2017
提供一种适用于实际空间点模式数据的复杂模型拟合工具箱，该方法基于对数高斯 Cox 过程，通过构建协变量来包含局部交互，包括模型比较和评估等方法，使用集成嵌套 Laplace 近似来加速推理任务。
Jan, 2013