wasserstein distance | BriefGPT

关键词wasserstein distance

搜索结果 - 222

关于 Wasserstein 距离中扩散模型的一般概率流 ODE 的收敛性分析
使用概率流常微分方程进行基于得分的生成建模已经在各种应用领域取得了显著的成功。本文首次提供了关于概率流常微分方程采样器的非渐近收敛性分析，假定得分估计准确，并在 2-Wasserstein 距离下建立了一系列 ODE 采样器的迭代复杂性结果
PDF5 months ago
常步尺度 Q - 学习：分布收敛、偏差和推广
通过将常步长 Q 学习与时间齐次马尔可夫链连接，在 Wasserstein 距离中展示了迭代的分布收敛性，建立了其指数收敛速度；我们还为 Q 学习迭代建立了中心极限定理，证明了平均迭代的渐近正态性；此外，我们提供了对步长渐近偏差的显式扩展，
PDF5 months ago
探索在 Wasserstein 概率空间中的 Riemannian SGD 和 SVRG 流动
通过将优化方法扩展到 Wasserstein 空间中的 Riemannian manifold，我们提出了用于连续优化的随机梯度下降和随机方差减少梯度流，证明了这些梯度流的收敛速度，与 Euclidean 空间中的结果相匹配。
PDF5 months ago
ICLR稀疏牛顿迭代加速 Sinkhorn 算法
通过引入早停止和牛顿类型子程序，Sinkhorn-Newton-Sparse（SNS）算法提供了超指数收敛，并且在实际情况下收敛速度比 Sinkhorn 算法快几个数量级，包括离散密度的经验分布之间的最优输运和计算 Wasserstein
PDF6 months ago
GloTSFormer：全局视频文本定位变换器
提出了一种新颖的全局视频文本定位 Transformer 模型 GloTSFormer，利用高斯 Wasserstein 距离来指导帧间形态相关性，实现了视频文本定位的全局关联和多帧同时关联的目标，并在 ICDAR2015 视频数据集上进行
PDF6 months ago
一种具有解释性参数调整的鲁棒分位数 Huber 损失在分布式强化学习中的应用
通过广义分位数 Huber 损失函数从高斯分布之间的 Wasserstein 距离计算出噪声，本文提出了一种广义的分位数 Huber 损失函数，主要用于在分布性强化学习中估计回报分布。与经典分位数 Huber 损失相比，该创新损失函数增强了
PDF6 months ago
具峰值非负张量分解的 Wasserstein 流形正则化
利用 Wasserstein 距离作为度量，并将图形正则化器添加到潜在因子中，我们引入了 Wasserstein 流形非负张量分解（WMNTF），以利用特征的相关信息和样本的流形信息。实验证明，与其他 NMF 和 NTF 方法相比，所提方法
PDF6 months ago
关于去噪扩散概率模型的收敛性的注意事项
我们在这篇论文中，对扩散模型和数据生成分布之间的 Wasserstein 距离进行了定量上界的推导，该结果不依赖于数据生成分布的得分函数，并且适用于具有有界实例空间的任意数据生成分布，即使这些分布对勒贝格测度没有密度，而且上界不会受到指数依
PDF7 months ago
二阶不确定性量化：基于距离的方法
根据最新的批评，我们提出了基于二阶概率分布的预测不确定性的有效度量指标的一组形式标准，并提供了一个基于 Wasserstein 距离的具体框架，证明了所有标准均得到满足。
PDF7 months ago
具备 Wasserstein 距离感知的随机视觉转换器
使用随机视觉变换器和 Wasserstein 距离引入不确定性和距离意识到自监督学习中，其通过在潜在表示中集成分布嵌入和基于分布的注意力矩阵，以及应用 Wasserstein 距离的正则化项，实现在多个数据集和任务上超越自监督基准的高准确度
PDF7 months ago
使用 Wasserstein 度量的数据集精馏
利用 Wasserstein 距离进行数据集简化，通过嵌入合成数据到预训练分类模型的特征空间进行分布匹配，实现了数据集简化的新的最先进性能。
PDF7 months ago
ACT: 对抗一致性模型
通过在一步采样中最小化一致性训练损失来优化生成模型，提出了对抗一致性训练（ACT），通过在每一步骤使用鉴别器最小化分布间的 Jensen-Shannon 散度，从而提高了生成质量和收敛速度，这导致资源消耗大幅度减少，具有改进的 FID 分数
PDF7 months ago
软匹配距离：一种捕捉单神经元调谐的神经表示度量
提出了一种基于 “软” 置换的度量方式，用于衡量具有不同大小的神经网络之间的距离，并避免了其他方式所遭受的违反直觉的结果，从而提供了对神经表示的补充几何洞见。
PDF8 months ago
离散贝叶斯网络的分布鲁棒骨架学习
从有可能被破坏数据中学习普通离散贝叶斯网络的确切骨架的问题，我们建立在分布鲁棒优化和回归方法基础上，提出通过在有界 Wasserstein 距离或 KL 散度内的一族分布上最小化最不利风险来进行优化。该最坏情况风险考虑了异常值的影响。该方法
PDF8 months ago
联邦学习中的数据估值与检测
使用隐私保护方法进行数据估值的联邦学习研究，借助 Wasserstein 距离提供透明数据评估和有效计算 Wasserstein barycenter 以减少对验证数据的依赖，并通过广泛的实证实验和理论分析展示了该估值指标的研究前景。
PDF8 months ago
估计不变性条件下的概率差异的样本复杂性界限
通过研究李群对流形的平滑作用所带来的固有不变性，我们发现在估计 Wasserstein 距离、Sobolev 积分概率度量（Sobolev IPM）、最大均值差异（MMD）以及密度估计问题的复杂性（在 L^2 和 L^∞距离上）时，对于许多
PDF8 months ago
用于核高斯混合模型的最优传输
通过核技巧在再生核希尔伯特空间中提出了计算两个高斯混合模型之间距离的沃瑟斯坦类型度量的方法。
PDF8 months ago
锚空间最优传输：加速多个 OT 问题的批处理
基于锚点空间最优传输问题，提出三种方法来加速实际多个最优传输问题的处理，实验证明本文的方法可以在保持合理逼近性能的同时大大减少计算时间。
PDF8 months ago
Y - 对角耦合：用条件瓦砾均衡距离近似后验
逆问题中，通过最小化联合度量与其学习近似度量之间的距离，许多条件生成模型近似后验测度。尽管这种方法对于 KL 散度的情况也控制了后验测度之间的距离，但对于 Wasserstein 距离则不成立。我们引入一种带有一组受限耦合的条件 Wasse
PDF9 months ago
准曼哈顿瓦瑟斯坦距离
Quasi Manhattan Wasserstein Distance (QMWD) 是一种指标，用于衡量两个矩阵之间的差异，它将 Wasserstein Distance 的元素与特定变换相结合。与曼哈顿 Wasserstein 距离
PDF9 months ago