本文介绍了神经传播模型（NDMs），它是传统传播模型的泛化，可以定义和学习数据的时间相关的非线性转换。通过实验展示了NDMs在似然度和生成高质量样本方面的优势。

本文介绍了神经传播模型（NDMs），它是传统传播模型的泛化，可以定义和学习数据的时间相关的非线性转换。通过实验展示了NDMs在似然度和生成高质量样本方面的优势。

本研究提出了一种基于似然度的高斯进展回归的统一视角，解决了含有输入相关噪声的仿真实验中的计算和统计效率问题。通过应用Woodbury身份推断所有参数，避免了典型的大小计算。同时，借鉴机器学习中的潜在变量思路，解决了异方差性问题。提供了制造业和流行病管理的真实世界仿真实验的案例研究。