Jul, 2023

最优输运下的去相关化

PDF
TL;DR本文介绍了一种使用凸神经最佳输运求解器（Cnots）的新型去相关方法，该方法能够通过最佳输运抵御被保护属性的连续特征空间，以实现在物理高能学中分离分类器得分与喷流质量之间的相关性，具有有效的去相关结果，与现有技术相比，在二元和多元分类确定性中使 Decorrelation 达到了最先进技术的水平。
ethicsfairnessconvex neural optimal transport solverscontinuous feature spacemultidimensional feature spaces
发现论文，激发创造
  • 最优传输的共聚类

    通过基于熵正则化最优输运的新方法和 Gromov-Wasserstein 距离概念，实现并优化了联合聚类的算法，可以自动地确定行和列聚类的数量，并在广泛的实验评估中展示了其快速和准确的功能。

    May, 2017

  • 结构化最优输运

    本文提出一个非线性广义离散最优传输模型，可应用于领域自适应和自然语言处理中，同时探索其快速算法和相关属性。Illustrative experiments 展示了模型引导的结构耦合的好处。

    Dec, 2017

  • 共同优化传输

    提出一种名为 COOT 的新型最优输运问题，它同时优化两个输运映射，用于异质域适应和聚类数据总结，相比现有的方法，COOT 表现出更高的性能。

    Feb, 2020

  • 全局不变性下的最优输运

    该论文提出了一种在潜在的全局转换情况下进行离散最优传输的通用框架，并通过采用灵活类的不变性来选择转换进行联合最优化求解，成功解决了包括无监督词汇翻译基准在内的各种任务。

    Jun, 2018

  • OTClean: 条件独立性违反数据清洗的最优输运方法

    我们介绍了一种利用最优输运理论进行条件独立性约束下数据修复的框架，并将该问题转化为正则化的优化问题，提出了一种受 Sinkhorn 算法启发的迭代算法来解决高维大规模数据的计算问题。通过广泛的实验，我们证明了该方法在实际数据清洗和预处理任务中的高效性和实用性，同时与传统方法进行了比较，突出了我们的技术在保持数据效用和确保所需条件独立性约束方面的优越性。

    Mar, 2024

  • 循环一致的半耦合神经非平衡最优输运

    本文提出了一种名为 NubOT 的神经非平衡最优输运 (OT) 方案，针对单细胞生物学领域中在不同时间点上获取的未配对分布或人群的比较问题，通过半耦合形式学习数据分布之间的最优耦合，解决了传统 OT 中质量守恒假设在人群大小变化时的不平衡场景下失效的问题，并应用到肿瘤细胞药物敏感性预测中，获得了明显的优化效果。

    Sep, 2022

  • 无监督降噪学习的最优输运

    本文提出了一种基于最优传输理论的无监督去噪学习标准，该标准具有优秀的性质，能够实现近乎完全保留信号信息并实现感知重构。实验结果表明，该方法比监督方法具有更好的感知重构和更高的峰值信噪比，尤其在复杂噪声等恶劣实际条件下表现出卓越的优越性。

    Aug, 2021

  • 利用最优传输解决图像分类中的公平性和可解释性问题

    算法公平性和不公平结果的可解释性对于在医疗保健和执法等领域建立人工智能系统的信任和问责是至关重要的。我们提出了一种基于最优运输理论的全面方法，通过发现图像中有偏差区域的原因和影响来建立模型的解释性。这些发现对于开发值得信赖、公正的 AI 系统，在各个领域的决策中提供透明、问责和公平具有重要意义。

    Aug, 2023

  • 关于不可比空间的最优输运问题的贡献

    该论文讨论了 Optimal Transport 在不同空间中的运用，尤其是研究了如何在图形和结构化数据之间定义和应用 Optimal Transport，特别是在这些数据属于不可比较空间时如何完成适应操作。该文提出了一组 Optimal Transport 工具，其中包括对 Gromov-Wasserstein 距离的研究，其性质可以定义不同空间中的有趣运输问题。我们分析了各种工具的数学性质，建立了计算它们的算法解决方案，并研究了它在许多机器学习场景中的适用性，其中包括分类和简化、结构数据分区以及异构域适应。

    Nov, 2020

  • 通过最优传输表征超出分布误差

    提出了一种新的利用最优传输理论来估计模型在无标签 out-of-distribution 数据上表现的方法，该方法称为置信度最优传输（COT），并且通过引入阈值处理的方法 Confidence Optimal Transport with Thresholding（COTT），可进一步提高精度。在各种标准基准测试中，实验表明 COT 和 COTT 优于现有的最先进方法，预测误差降低了高达 3 倍。

    May, 2023