本文探讨在最优输运问题的原始和对偶形式中引入强凸项的正则化方法,以产生稀疏和群稀疏输送计划,并在颜色转移任务上展示了该框架的应用。
Oct, 2017
本文研究了满足等式和不等式约束条件下的熵正则化的最优输运问题,并提出了一种基于 Sinkhorn 算法的对应解法。通过理论保证,我们首先得出在解决问题时通过熵正则化所带来的近似误差随着参数增加而指数级减小。此外,通过描述具有李雅普诺夫函数的优化过程,我们证明了 Sinkhorn 算法在对偶空间中具有亚线性一阶收敛速度。为了在弱熵正则化下实现快速、高阶收敛,我们通过动态正则化调度和二阶加速技术来改进 Sinkhorn 算法。总体而言,本文将熵最优输运的最近理论和数值进展与约束情况相结合,使从业者能够在复杂场景中得到近似的输运计划。
Mar, 2024
优化输运的原始表述引入了严格凸项以减少数值复杂度和增加输运计划的密度。然而,许多公式在输运计划上施加了全局约束,例如依赖于熵正则化。我们引入自适应正则化优化输运(OTARI),它对每个点的质量流入和 / 或流出施加约束,从而减少了质量均衡问题。我们展示了该方法在领域适应中的益处。
Oct, 2023
本文提出两种有效的对数线性时间逼近方法来计算熵正则化最优输运问题,并提出了一种结合图神经网络和增强 Sinkhorn 的图输运网络,并实验证明它在节点数量方面具有对数线性的规模,并在图距离回归方面优于以前的模型 48%。
Jul, 2021
本研究提出了一个新的正则化解释角度,即将正则化视为一种鲁棒性机制,展示了任何凸正则化的 OT 都可以被解释为接受对手 -- 地面成本的方式。这同时可以在地面空间上提供鲁棒的不相似性度量方法,并提出了相应的算法和实验性说明了这种方法的优越性。
Feb, 2020
本论文研究基于熵罚函数的最优传输问题的随机算法,这些算法速度较快、实用,并且在数值实验中验证了它们相对于最优传输方法的优势。
Mar, 2018
本研究基于低秩约束探索了一种求解任意代价的最优输运问题的泛用性算法,并通过基准实验验证其效率。
Mar, 2021
本文介绍了一种基于图论的最优运输问题,提出使用二次正则化方法来处理在二元邻接矩阵的基础上运用网络流算法,进一步探索并优化新颖的牛顿优化算法
Apr, 2017
该论文介绍了交通运输问题在机器学习中的应用:近期的研究针对交通运输问题的计算和建模限制提出了新的方法,其中包括熵正则化和基于低秩矩阵的线性时间解算方法,以及基于惩罚项促进质量守恒的不平衡交通运输方法,该论文提出了一种将这两种方法结合的算法,并通过实际应用于空间转录组匹配问题证明了该方法的实用性。
May, 2023
该论文提出了一种基于 group-sparse 正则化方法的快速离散最优传输算法,该算法可以在保证准确率的前提下提高计算速度,并在无监督域适应等领域有广阔的应用前景。
Mar, 2023