研究在黎曼流形上具有紧支撑概率测度的分布，它可以以有限支撑测度（在任意 p 的 Wasserstein 距离下）逼近的渐近速度。这个问题已经在 “分布量化” 和当 p=1 时的 “位置问题” 下被研究了。当 p=2 时，它与中心化的 Voronoi Tessellations 有关。

Mar, 2010

研究了在 Wasserstein 度量下，经验测度与给定概率分布之间的收敛速度，给出了令人满意的非渐进 $L^p$- 限制和浓度不等式，同时将这些 $L^p$- 限制扩展到平稳的 $\rho$- 混合序列、马尔可夫链和一些相互作用的粒子系统。

Dec, 2013

研究了如何利用经验测量量量化概率分布，并提出了 Pierce 类估计来估计误差，并在弱条件下证明了经验测量量化方法的最优性。

Aug, 2011

有限维多面体子集、Wasserstein 空间、均场变分推断、最小化算法和 KL 散度。

Dec, 2023

研究了紧超度量空间 X 的测度空间的几何形状，表明此 Wasserstein 空间的幂 p 使其成为 l^1 的凸子集，证明了关于超度量情况下 Wasserstein 空间的边界和尺寸估计，以及证明了关于超度量空间包含大的 co-Lipschitz 图像的结构定理。

Apr, 2013

本文旨在建立流形学习算法在紧凸子集上绝对连续概率测度空间中的理论基础，其中测度空间以 Wasserstein-2 距离 W 度量。我们首先介绍了概率测度子流形 Λ 的一种自然构造，配备了度量 Wλ，这是 W 对 Λ 的测地距离限制。与其他构造形成对比，这些子流形不一定是平坦的，但仍然允许类似于 Riemann 流形的局部线性化。然后，我们展示了如何仅通过 Λ 的样本集合和外在 Wasserstein 距离 W 来学习（Λ，Wλ）的潜在流形结构。特别地，我们展示了度量空间（Λ，Wλ）可以从具有节点 Λ 样本集合和边权重 W (λi, λj) 的图中，按照 Gromov-Wasserstein 的意义上逐渐恢复。此外，我们通过对从 λ 到足够接近和不同的样本 Λ 集合中，使用最优输运映射的合适 “协方差算符” 的谱分析，展示了如何渐近地恢复样本 λ 处的切空间。本文最后给出了一些关于子流形 Λ 的具体构造以及通过谱分析恢复切空间的数值例子。

Nov, 2023

本文研究 Wasserstein 距离的问题，得出了关于概率测度的收敛速度的渐近结果和有限样本结果。结果表明，随着样本量 $n$ 的增加，测度可以呈现出不同的收敛速度。

Jul, 2017

利用最优输运的几何特性提出了一种新的光滑插值概率测度的方法，并将问题简化为经典的欧几里得设置，使我们可以直接利用样条插值的广泛工具箱。与以前的测量值样条的方法不同，我们的插值曲线（i）具有自然的粒子流控制解释，这对于应用非常自然，并且（ii）附带了 Wasserstein 空间上的第一个近似保证。最后，展示了利用薄板样条拟合测度曲面的插值方法的广泛适用性。

Oct, 2020

研究通过给出（有噪声的）矩的测量值来近似一维分布的问题的下限。

Jul, 2023

证明了有关 Wasserstein 度量下的度量嵌入问题及度量几何、扩张问题和非负曲率的问题。

Sep, 2015