更改

其中，[math]\xi\sim \mathcal{N}(0,\Sigma)[/math]，<math>\Sigma</math>是高斯噪声<math>\xi</math>的协方差矩阵。

其中，[math]\xi\sim \mathcal{N}(0,\Sigma)[/math]，<math>\Sigma</math>是高斯噪声<math>\xi</math>的协方差矩阵。

首先，我们将[math]\mathbf{x}[/math]干预成<math>[-L/2，L/2]^n\subset\mathcal{R}^n</math>上的均匀分布，<math>[-L，L]^n</math>表示n维空间中的超立方体，我们假设<math>\mathbf{y}\in\mathcal{R}^m</math>，其中<math>n</math>和<math>m</math>是正整数。只存在观测噪声的情况下，EI可以推广为以下形式：

首先，我们将[math]\mathbf{x}[/math]干预成<math>[-L/2，L/2]^n\subset\mathcal{R}^n</math>上的均匀分布，<math>[-L/2，L/2]^n</math>表示n维空间中的超立方体，我们假设<math>\mathbf{y}\in\mathcal{R}^m</math>，其中<math>n</math>和<math>m</math>是正整数。只存在观测噪声的情况下，EI可以推广为以下形式：

{{NumBlk|:|

{{NumBlk|:|