SGPLVM-Inverse: 结构化贝叶斯高斯过程潜变量模型在反问题中的应用实验

简介：
本研究提出并验证了SGPLVM-Inverse模型，通过结构化的贝叶斯高斯过程潜变量方法有效解决复杂系统的反问题，展示了其在探索隐含变量和参数估计方面的优势。 “结构化贝叶斯高斯过程潜在变量模型：在数据驱动的降维和高维反演中的应用”实验需要满足以下先决条件：使用Python 3.5及以上版本。您可以尝试运行随附的configure.bash脚本来快速设置环境。 主要的实验模块包括： - elliptic_forward_sgplvm_separate.py（采用两模型方法解决正向问题） - elliptic_forward_sgplvm_joint.py （联合训练模型以处理正向问题） - elliptic_inverse_sgplvm_separate.py（使用两模型方法来解决反问题） - elliptic_inverse_sgplvm_joint.py （利用联合训练的模型应对反问题） 在scripts目录中，您可以找到有助于从论文建议参数设置的bash脚本。实验所用的数据和绘图文件位于elliptic/data 文件夹内。