本研究提出了一种基于贝叶斯模型校准的方法，通过统计公式将计算模型的输出与物理测量结果结合，从而进行推理，并估算了原子核的质量参数。
Jul, 2014
本文利用机器学习方法提高基于 MEMS 传感器的惯性导航系统的精度，并基于实验数据展示了算法的优越性。
Dec, 2022
这篇论文介绍了一种基于贝叶斯自适应实验设计的数据高效算法，用于校准自然现象的计算机模型，并展示了该方法在人工合成数据和真实数据问题中相比其他方法的优势。
May, 2024
本文探讨贝叶斯方法在不确定性问题上的推理方法，提出一种简单有效的校准程序，可以保证在足够的数据下，任何回归算法都能够产生准确的校准不确定性估计，并应用于贝叶斯线性回归、前向和递归神经网络中，能够稳定输出准确的区间预测，并提高时间序列预测和基于模型的强化学习性能。
Jul, 2018
本篇论文主要介绍使用 MEMS 惯性传感器进行位置和姿态估计的信号处理方面，重点讨论了不同的建模选择和一些重要算法，包括基于优化的平滑和滤波以及计算较便宜用途的扩展卡尔曼滤波器和互补滤波器，同时使用实验和模拟数据证明了它们的估计质量。
Apr, 2017
使用贝叶斯神经网络进行预测可以直接模拟预测分布，在小数据组和表格数据中表现竞争力，并与校准神经网络进行比较。
Sep, 2022
本文提出了一种称为校准感知贝叶斯神经网络（CA-BNN）的综合框架，该框架应用了数据独立正则化和数据相关正则化以优化贝叶斯学习中的变分分布，在期望校准误差（ECE）和可靠性图中验证了该方法的优越性。
May, 2023
本文提出了一种实用的、校正磁干扰和磁强计传感器误差的方法，并采用最大似然问题的解作为校准算法，并纠正磁强计和惯性传感器轴之间的误差，得出较好的结果，通过校准后的磁强计测量与惯性传感器相结合，大大提高了姿态估计的准确性。
Jan, 2016
通过 PAC Bayes 框架进行校准误差的泛化分析，并提出了一个基于该泛化理论的智能校准算法。数值实验表明，该算法提高了基于高斯过程的校准性能。
Jun, 2024
本文介绍了一种将 Bayesian 技术应用于实际工作中倾斜计数据的新方法，提供异常检测和预测，可广泛适用于所有工程 UQ 和结构健康监测 (SHM) 领域。
Jul, 2023