熵优化输运是最大似然反卷积
本文证明了熵正则化最优输运问题的 Gamma 收敛性，并证明了隐式步骤按熵正则化距离时收敛于原始梯度流，证明了压缩后的最优输运计划收敛于最优输运计划，这表明了压缩后的熵正则化最优输运计划在熵消失时收敛于最优输运计划。
Dec, 2015
使用最优传输的方法实现了一个面向许多有向图的参数学习框架，可以灵活地从不完整数据中推断概率有向图模型中的潜在变量。在多个实验中，该方法展示了恢复真实参数和离散表示学习等任务上的优异性能。
May, 2023
本文分析了在以参考路径度量替换运输成本为熵成本时，最优传输和 Schr"odinger 问题之间的类比性，并推导出了双重 Kantorovich 类型的公式和 Benamou-Brenier 类型的表示公式，以及相对于路径度量的相对熵在其中的突出作用。同时，我们以布朗运动或奥恩斯坦 - 乌伦贝克过程作为参考路径度量，给出了一些数值例子。
Oct, 2015
本文关注的是给定 N 个独立观测块的随机变量 X 和 Y 的联合概率的估计问题，我们推导了极大似然推断的函数形式，提出了一种可计算的逼近方法，并分析了它们的性质。我们证明了一个 Γ- 收敛结果，表明随着观测块的数量 N 趋于无穷大，我们能够从经验逼近中恢复真实的概率密度。通过熵最优输运核，我们建模了一类假设空间，通过最小化推断函数在该假设类上的值，可以近似推断数据中的转移算子。我们通过修改 EMML 算法以考虑额外的转移概率约束来解决所得到的离散最小化问题，并证明了该算法的收敛性。概念验证示例展示了我们方法的潜力。
Feb, 2024
本文通过隐函数定理和 Monte Carlo 模拟的方法，证明了针对有限度量空间上概率分布的经验正则化最优传输距离，尤其是 Sinkhorn 散度的极限分布为高斯分布，同时说明 Bootstrap 方法的一致性，证明了该结论的计算和统计学应用。
Oct, 2018
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
本研究提出通过解决 Sinkhorn 算法中的不动点方程从而得到熵正则化两个高斯测度之间的最优输运问题的闭合形式解，甚至适用于协方差矩阵退化的高斯分布，同时阐明了非平衡最优输运中的质量输运 / 破坏权衡，其最优输运方案为高斯分布。
Jun, 2020