Les modèles probabilistes de diffusion cognitive (CogDPM) sont unCogDPM : modèles probabilistes de diffusion via le codage prédictif cognitif», montrant le lien entre le modèle de probabilité de diffusion et la théorie PC.

CogDPM dispose d'une méthode d'estimation de précision basée sur la capacité d'échantillonnage hiérarchique du modèle de diffusion et pondère le signal de guidage à l'aide des pondérations de précision estimées à partir des propriétés intrinsèques du modèle de diffusion. L’équipe de recherche a démontré par des expériences que les poids de précision peuvent estimer efficacement la prévisibilité des données. Dans l'article, CogDPM est appliqué à une tâche de prévision du monde réel en utilisant les ensembles de données de précipitations du Royaume-Uni et de vent de surface ERA. Les résultats montrent que CogDPM surpasse les modèles opérationnels spécifiques au domaine existants et les modèles généraux de prédiction profonde et peut fournir des résultats de prédiction plus habiles.