Jun, 2024

网络回归的最优输运方法

PDF
TL;DR我们研究了网络回归问题，通过基于弗雷歇平均和使用 Wasserstein 度量的广义回归模型，提出了一种网络回归方法。通过将图形表示为多变量高斯分布，我们展示了网络回归问题需要计算一个 Riemannian 中心（即 Frechet 平均）。通过固定点迭代可以有效计算具有非负权重的 Frechet 平均，该方法在合成和实际数据情景中的大量数值结果表明改进了现有程序，准确考虑了图形的大小、拓扑和稀疏性。此外，使用该方法的实际实验结果也显示出更高的决定系数（$R^{2}$）值和更低的均方预测误差（MSPE），从而巩固了在实践中改进的预测能力。
network regressiontopologyeuclidean covariateswasserstein metricmultivariate gaussian distributions
发现论文，激发创造
  • 基于最优输运的结构化数据处理及其在图形学中的应用

    该研究考虑如何计算结构化对象间的距离，并提出了一种新的用于概率分布度量的运输距离 ——Fused Gromov-Wasserstein（FGW），成功在图分类任务中超越了传统方法，对于图的聚类问题也起到了积极的作用。

    May, 2018

  • Wasserstein 空间中的 Fréchet 平均和 Procrustes 分析

    本研究探讨了函数数据分析和非欧几里得数据分析领域中的两个统计学问题：在多元分布的 Wasserstein 空间中确定 Fréchet 均值，以及畸变随机测量和点过程的最佳注册。研究表明，这两个问题在某种意义上是相互关联的，并通过利用 Wasserstein 空间的切向丛结构，通过梯度下降方法推导出了 Fréchet 均值，并表明这等效于 Procrustes 分析；然后构建了建模估计器，并证明了它们对总体平均值和总体 Procrustes 注册图的一致性。

    Jan, 2017

  • 网络与稳定网络不变量的 Gromov-Wasserstein 距离

    本文提出了敏感于异常值的加权有向网络示度着距离度量 —— 网络 Gromov-Wasserstein 距离，通过基于最优输运的网络不变量近似该距离的下界，并分别在多个模拟网络数据集和全球双边迁移数据集上进行了测试。

    Aug, 2018

  • Bures-Wasserstein 流形上的平均值：梯度下降的无维度收敛

    本研究探讨了一阶优化算法，用于计算高斯分布在最优输运度量下的质心，提出了新的测地线凸性结果和收敛率，能够更好地控制迭代，解决了 Riemannian GD 收敛慢的问题，并为与其相关的两种平均计算提供了理论依据。

    Jun, 2021

  • Wasserstein Barycenters 的快速计算

    本文提出两种算法来计算一组经验概率测度的 Wasserstein barycenters，其中包括使用 entropic 正则化来平滑 Wasserstein distance 的方法，并使用矩阵缩放算法计算其梯度，这些算法可用于可视化大量图像并解决约束聚类问题。

    Oct, 2013

  • 基于因子耦合的统计最优输运

    本文章提出了一种新的方法来估计高维中两个概率分布之间的 Wasserstein 距离和最优传输方案，该方法可以在各种任务中获得显著的改进，包括单细胞 RNA 测序数据的领域适应性。该方法基于低运输秩的耦合，解决了数据驱动最优传输中的维数灾难，并得到了理论分析的支持。

    Jun, 2018

  • 黎曼框架中的 Gromov-Wasserstein 平均化

    应用 Gromov-Wasserstein 距离的 Riemannian 框架，我们开发了一种在任意大小和对称性矩阵的空间中进行统计任务和网络数据分析的实用工具，并对该 “空间” 的切向结构和 Fréchet 函数的梯度流进行了理论上的探索。

    Oct, 2019

  • Wasserstein 双凸权重平均的公平回归

    通过公平回归和最优输运理论的联系，得到一种最优公平的预测器，并建议了一个简单的后处理算法来实现公平。这个结果提出了最优公平预测的直观解释，并为这个过程建立了风险和无分布的公平保证。

    Jun, 2020

  • 图的 Bures-Wasserstein 平均值

    本文提出了一种基于嵌入空间和 Wasserstein 距离度量的图平均值定义框架，可通过迭代算法计算得出可保留结构信息的均值图，该框架在结构图聚类、功能脑网络分类和半监督节点分类中表现优异，是一个有价值的实用工具。

    May, 2023

  • 最优输运度量下概率测度的主要地球线分析

    本文探讨了在概率测度空间 P（X）中，使用最优传输（Wasserstein）几何将被限制为该度量下的测地线段的曲线，以高效地总结该系列测度。我们展示了在最优传输几何中，重要概念可以通过使用 Wasserstein 平均值和微分几何，找到自然的等效物。然而，应用这些想法是具有挑战性的。为了处理数千个测度和实现可扩放的算法，我们建议使用放松的测地线定义和正则化的最优传输距离。本文的方法在将图像视为形状或颜色直方图方面具有重要意义。

    Jun, 2015