本文提出了一种通过相对轨迹平衡（RTB）优化贝叶斯逆问题求解的新方法，显著提升了线性和非线性逆问题的处理能力，尤其在视觉和科学领域表现突出。

本文探讨了利用深度生成模型和变分贝叶斯推理解决地震学中的非线性逆问题，提出了贝叶斯物理知识推断神经网络（B-PINN）和混合反向 PDE 网络（BiPDE 网络）等方法，以提高地下结构参数的估计精度和鲁棒性。这些方法在不同实验中表现出色，展示了深度学习与物理知识结合的潜力。