Jun, 2020

OT meets MoM: 鲁棒估计瓦瑟斯坦距离

PDF
TL;DR本文研究了在数据中存在离群值或异常值的情况下，如何使用中位数方法来估计 Wasserstein 判别器的最优输运距离，探讨了使用 MoM 估计器来提高 WGAN 的鲁棒性，并在 CIFAR10 和 Fashion MNIST 数据集上进行了实证研究。
optimal transportwasserstein distancemedians of means (mom) estimatorsrobust estimatorswasserstein generative adversarial network (wgan)
发现论文，激发创造
  • 用于核高斯混合模型的最优传输

    通过核技巧在再生核希尔伯特空间中提出了计算两个高斯混合模型之间距离的沃瑟斯坦类型度量的方法。

    Oct, 2023

  • 子空间鲁棒瓦热斯坦距离

    本文针对高维离散量之间的 Wasserstein 距离提出了具有鲁棒性的 “Max-Min” 方案，通过将量投影到一个较低维的子空间来最大化它们之间的距离。此外，我们提出了一种基于熵正则化的算法来解决相关问题，并在实验中显示了其优越性。

    Jan, 2019

  • 高斯混合模型空间中的 Wasserstein 型距离

    此研究介绍了一种基于 Wasserstein 距离的方法，用于高维数问题中的 Gaussian 混合模型的优化问题，并讨论了它的性质和在图像处理中的应用。

    Jul, 2019

  • 通过 Wasserstein 分布稳健优化桥接贝叶斯和极小值均方误差估计

    提出了一种基于 Wasserstein 模糊集的分布鲁棒的最小均方误差估计模型，该模型可以被视为一个零和博弈，其中一个统计学家选择估计器，另一个虚构对手选择一个先验，通过最小化和最大化预期的平方估计误差来实现其目标。

    Nov, 2019

  • 关于投影鲁棒最优输运的样本复杂度和模型错误问题的研究

    本文利用基于投影健壮性的最优输运（OT）距离作为损失函数来研究参数推断，基于多维维度的视角建立了多个基本统计属性，提出了平均最优输运（IPRW）距离，并给出了复杂性界限和渐进保证。最后，在模型错误说明下给出了最小 PRW 估计量的两种渐进保证，并为具有投影维数大于 1 的 PRW 设计了新颖的变分分析和统计理论的组合。

    Jun, 2020

  • 高斯平滑最优输运：度量结构与统计效率

    通过引入高斯平滑的方法，本文提出了一种新颖的高斯平滑最优输运（Gaussian-smoothed OT）框架，以在保持 1-Wasserstein 度量结构的同时消除了实证逼近的维数诅咒，并在实证研究中证实了其可行性和优越性，为信息科学领域中的最优输运理论和应用提供了新思路。

    Jan, 2020

  • Wasserstein 距离下的 Minimax 分布估计

    论文提供了关于在 Wasserstein 损失下仅使用样本空间的测度性质和概率分布的弱矩假设，对于概率分布的估计的统计极小值率上下界的研究。

    Feb, 2018

  • Wasserstein 虫洞：基于 Transformer 的可扩展最优传输距离

    通过将经验分布嵌入到潜在空间中，使欧式距离近似于最优输运距离，Wasserstein Wormhole 提供了一种可扩展且可解释的方法，用于计算最优输运距离，并在计算几何学和单细胞生物学领域的数据分析中开辟了新的研究方向。

    Apr, 2024

  • 条件分布间的实证最优传输

    本文研究了基于公共变量的两个联合分布的条件 Optimal Transportation 问题，提出了一种基于 Maximum Mean Discrepancy 的正则化器用于解决连续变量和分布不同的情况，进而实现了条件转移计划的估计和统计一致性证明，并在分类、few-shot 分类和细胞响应预测等领域中进行了实证评估。

    May, 2023

  • 具有鲁棒性的最优输运及其在生成建模和域自适应中的应用

    本文提出了一种鲁棒性的 Optimal Transport（OT）形式，以解决数据中异常值的问题，并应用于深度学习中的 GAN 和领域适应问题，同时在实验中证明了该方法的有效性。

    Oct, 2020