稀疏的交

香农型预期信息增益可用于评价
在不确定条件下所提议的实验的相关性。的
然而，这种增益的估计依赖于双环积分。
此外，它在多维情况下的数值积分，如:
当采用蒙特卡罗抽样方法时，是因此计算的
对于真实的物理模型来说太贵了，尤其是那些
涉及偏微分方程的解。在这项研究中，
我们提出了一种新的方法，基于拉普拉斯近似
积分后验概率密度函数(pdf)，以
加速模型中预期信息增益的估计
感兴趣的参数和预测量。我们得到一个