多边际最优输运:理论与应用
本文从概率图形模型角度研究了多边际最优输运问题。当最优输运的成本允许图形结构时,我们指出了二者之间的一个优雅的联系。特别地,通过熵正则化的多边际最优输运等价于概率图形模型的贝叶斯边际推断问题,其中附加了一些边际分布要求的条件。这种关系一方面扩展了最优输运和概率图形模型的理论,另一方面通过利用贝叶斯推断中成熟的算法,实现了多边际最优输运的快速算法。还提供了几个数值例子以突出结果。
Jun, 2020
本文针对一个变式的最优输运问题,研究了给定密度函数下,所有边际固定联合测度中的最优测度问题,并发现了其的对称性,得出了二维以上的首个明确例子,在已知可行域的极端点和基于构建可行扰动的新方法上,进一步证明了其存在唯一的解决方案。
Apr, 2013
该研究是对 Multimarginal Optimal Transport 问题进行的一项研究,重点是解决该问题的复杂性,并使用工具包证明其 NP 难度以及近似不可能性,此外我们通过论证证明各种拒斥成本使 MOT 问题成为 NP 难的实际困难。
Dec, 2020
本文研究了多项式最优运输(MOT)距离的近似复杂性,提出了两个新的确定性算法:多重边缘 Sinkhorn 算法和加速多重边缘 Sinkhorn 算法。通过实验,证明了这两种算法在计算效率和准确性上的优越性。
Sep, 2019
本文介绍了最优传输方面的数值方法,旨在解决在图形和机器学习中遇到的三角形网格、图形、点云等定义在几何域上的难以高效解决的大规模线性规划,通过使用离散优化、凸分析等为数值最优传输问题提供理论可证明的模型,并讨论了其中的一些问题。
Jan, 2018
通过加速交替最小化方法,我们提出了一种估计多边际最优传输的复杂度,并使用足够小的正则化参数通过基于熵的正则化方法解决了此问题的近似解,提出了一种新颖的原始 - 对偶分析来重构最佳耦合张量
Apr, 2020
本论文提出了一种通用的理论框架和算法,通过利用简单的变形来解决多边际最优输运问题(MOT)在多项式时间内,尤其是解决了当前最流行的 Sinkhorn 算法对于 MOT 求解在多项式时间内所需要的额外结构,提供了新的精确且稀疏的算法,同时对于三种 MOT 成本结构提供了可充分利用标准算法技术的多项式时间算法。
Aug, 2020
本研究综述了 Optimal Transport 在机器学习中的应用,特别关注于监督、无监督、迁移和强化学习领域,并重点介绍了计算 Optimal Transport 的最新发展及其与机器学习实践的相互作用。
Jun, 2023
本文提出了关于信息论中多重边际最优输运的等价性质,可以将其简化为熵最优输运的情形,并将其应用于不同信仰的代理之间的通信。结果表明,熵最优输运在多代理情况下是信息论上最优的,本工作可以为多代理团队合作中的最优输运理论研究提供指导。
Aug, 2022
介绍最优输运的数学理论,以及其在计算物理学中测量函数距离、插值和保持质量 / 体积方面的应用,介绍最优输运的主要原理和其与其他概念的关系,并介绍一种名为半离散的具体设置,该设置自然地导致了一种高效的计算算法,该算法使用计算几何的经典概念如广义 Voronoi 图 - 拉格朗日图。
Oct, 2017