关键词optimal transport methods
搜索结果 - 5
- 深度终身强化学习的统计上下文检测
在线的深度强化学习环境中，使用最优输运方法中的距离度量来测量过去和当前数据流中数据点组合之间的距离，并使用经过适应的 Kolmogorov-Smirnov 计算进行统计测试，以为经验序列分配标签。任务检测和策略部署的结合允许优化终身强化学习 - Cartan-Hadamard 流形上的切片 Wasserstein 距离和流动
在这份研究论文中，我们探讨了在已知非欧几里德几何特性的数据上，机器学习方法在黎曼流形上的应用以及最优输运方法在该领域的研究。我们提出了在卡尔曼 - 哈达玛德流形上的分片瓦砾斯坦距离，该方法在欧几里德空间上具有闭合解，并且我们还探索了该方法在 - 神经网络学习逐渐复杂的统计规律
该研究指出神经网络首先学习数据分布的低阶矩，然后再学习高阶相关性。通过实验证据，证明了神经网络在训练早期会自动学习以最大熵分布为基础的低阶统计信息，但训练后期会失去这种能力。该研究还将分布简易偏差扩展到离散领域，并通过证明 Token 的 - 关于通过最优转运在模仿学习中结合专家示范的研究
使用多边际最优传输距离的替代方法，实现了在 OT 意义下多个和多样化状态轨迹的组合，提供了更合理的演示几何平均值，从而使代理从多个专家中学习，并在 OpenAI Gym 控制环境中进行了效率分析，表明标准方法并不总是最优的。
- 领域自适应时间序列分类以减轻协变量漂移
本文提出一种新的基于监督学习的域适应技术，利用最优传输方法和嵌入相似性技术，从少量样本中搜索最优类别相关转换，并在推理中选择相应的转换，能够减小领域差异，并在多个包括模拟和手写数据集的领域漂移时间序列数据集上进行了广泛的评估。