MMOct, 2020
学习 Wasserstein 距离的置换不变网络
Permutation invariant networks to learn Wasserstein metrics
Arijit Sehanobish, Neal Ravindra, David van Dijk
TL;DR通过置换不变网络将样本从概率测度映射到低维空间,使编码样本之间的欧几里得距离反映概率测度之间的 Wasserstein 距离,进一步证明了该网络可以推广到正确计算未见密度之间的距离,并且可以学习到概率分布的第一和第二矩。