# 神经过程

标准神经过程把输入当作无噪声观测，传感器测量误差会让预测和不确定性估计同时失真。DnNP在神经过程框架内把干净输入设为隐变量，用变分推断让一个去噪器与元学习联合训练，从而在含噪输入上直接给出预测。在马萨诸塞州布鲁克莱恩34个空气质量传感器采集的PM2.5空间插值数据上，相对标准神经过程，DnNP的RMSE最多降低30%、NLL最多降低73%。

标准神经过程把输入当作无噪声观测，传感器测量误差会让预测和不确定性估计同时失真。DnNP在神经过程框架内把干净输入设为隐变量，用变分推断让一个去噪器与元学习联合训练，从而在含噪输入上直接给出预测。在马萨诸塞州布鲁克莱恩34个空气质量传感器采集的PM2.5空间插值数据上，相对标准神经过程，DnNP的RMSE最多降低30%、NLL最多降低73%。

反事实预测可以跳过因果图估计这一步：CFGNP 直接把观测样本映射到反事实分布，在合成与图像基准上预测表现强于既有方法，并且只在 10 节点图上训练的模型无需重训就能用在最多 30 节点的图上。

反事实预测可以跳过因果图估计这一步：CFGNP 直接把观测样本映射到反事实分布，在合成与图像基准上预测表现强于既有方法，并且只在 10 节点图上训练的模型无需重训就能用在最多 30 节点的图上。