Daugiamatis Bayes'o metodas

$$\begin{eqnarray}x^{n+1}=arg \min_{x} R(x)\\ R(x) = y_{0n}-\min_i \frac {\vert\vert x-x_i\vert\vert^2}{f(x_i)-c_n},\\ c_n= \min_i f(x^i)-\epsilon. \end{eqnarray}$$

Kai $n$ didelis

$$\begin{eqnarray}d^* / d_a =(\frac {f_a-f^*+\epsilon}{\epsilon})^{1/2} \nonumber \end{eqnarray}$$

Cia
$d^*$ stebejimu tankis,
$f^*$ funkcijos $f(x)$ vidurkis
(abu globalaus optimumo $x^*$ aplinkoje)
$d_A$ vidutinis stebejimu tankis,
$f_A$ funkcijos $f(x)$ vidurkis,
(abu visoje srityje $A$).