AdaSense是一种自适应压缩感知方法，通过后验抽样和预训练扩散模型，实现从少量测量重建面部图像，并在医学图像领域应用。

本文研究了连续状态动作空间中强化学习的基于模型的后验抽样（PSRL），提出了第一个后验抽样的遗憾上界，并开发了MPC–PSRL算法来选择动作，通过贝叶斯线性回归捕获模型中的不确定性，在基准连续控制任务中实现了最先进的样本效率，并与无模型算法的渐近性能相匹配。

本研究提出了一种基于后验抽样的高效算法，用于定价商品或服务以最大化收益。实证研究证明该算法优于其他基准算法，并提出了一种启发式修改以进一步提高定价策略的学习效率。

该文介绍了一种带有受限耦合条件的Wasserstein距离，用于控制后验测度之间的距离，并提出了推动条件Wasserstein GAN损失的方法。使用条件Wasserstein距离训练时，可以获得有利的后验抽样性质。

本文介绍了一种基于组合多臂赌博机的在线决策框架，考虑了测试成本，并通过后验抽样或BayesUCB进行探索。该框架经过理论分析和实验验证，证明了在实际问题中的适用性。