分辨率无关先验
该生成对抗网络学习参数与响应的联合分布，将贝叶斯推断中的先验转化为低维隐空间采样，从而避免先验选择并显著降低计算成本。
Jiang, Xinchao · Xin, Wang · Ziming, Wen · 王琥
Computer Methods in Applied Mechanics and Engineering 2024
通过训练好的生成模型处理贝叶斯规则中的先验，避免了传统方法中先验分布难以确定的问题。
在联合分布分量共享的低维隐空间中进行高效采样，显著降低了贝叶斯推断的计算成本。
生成器由于引入算子学习而分辨率无关，因此可以在任意坐标处获得预测，并且即使观测数据与训练数据不对齐也能进行反演。