本文介绍了一种新方法——稀疏哈密顿流，旨在提高贝叶斯核心集合的构建效率，降低计算成本，并提供准确的后验近似。该方法在处理稀疏和嘈杂数据时表现优异，能够有效识别非线性动力系统的控制方程，并量化系统的不确定性。研究还分析了多种算法在实际应用中的优缺点，强调了在有限数据情况下的鲁棒性和有效性。

本文提出了一种基于贝叶斯方法的核心子集构造算法，旨在加速大规模数据集的后验推断。该算法通过数据冗余预处理和Hilbert coresets构建，提供理论保证和高效推断。同时，研究提出了GIGA算法以优化后验不确定性估计，并在实际数据集上验证了其有效性。此外，稀疏哈密顿流方法提高了构建效率，显著降低了计算成本。