wasserstein distance | BriefGPT

关键词wasserstein distance

搜索结果 - 224

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
利用 PAC-Bayesian 理论对变分自动编码器提供统计保证
使用 PAC-Bayesian 理论为变分自动编码器（VAEs）提供统计保证，推导了后验分布的 PAC-Bayesian 界限，以及 VAE 的重构损失的泛化保证、输入分布与 VAE 生成模型定义的分布之间的距离的上界和 Wasserste
PDF9 months ago
联邦瓦瑟斯坦距离
我们介绍一个计算分布之间 Wasserstein 距离的方法，该方法是以分布式的方式进行计算的。我们利用 Wasserstein 距离的几何特性，尤其是三角不等式，和相关的测地线，通过操作并交换测地线空间中的分布来逐步近似 Wasserst
PDF9 months ago
通过最优传输从观察中进行模仿学习
实时观察下的模仿学习 (ILfO) 中，利用最优传输来生成奖励函数，通过状态轨迹的 Wasserstein 距离衡量学习者和专家之间的差异，无需学习模型或对抗学习，可以与任何强化学习算法集成，并适用于 ILfO，能在多个连续控制任务中超越现
PDF9 months ago
时序图模型无法捕捉全局时序动态
最近发布的时间图基准被分析在动态链接属性预测的背景下，我们提出了一个简单的无优化基线，即 “最近流行节点”，在时间图基准的所有中型和大型数据集上优于其他方法。我们提出了两种基于 Wasserstein 距离的度量方式，可以量化数据集的短期和
PDF9 months ago
分布时变在线随机优化在条件风险价值统计学习中的应用
在本文中，我们通过在线优化的视角，考虑了一个遵循随时间变化的分布的随机优化问题序列。假设损失函数满足 Polyak-Lojasiewicz 条件，我们应用在线随机梯度下降并建立了其动态遗憾界，其中包含由随机性引起的累积分布漂移和累积梯度偏差
PDF10 months ago
基于 Wasserstein 分配鲁棒性的上下文强化学习策略评估与学习
提出了一种利用 Wasserstein 距离的分布鲁棒优化方法，用于解决环境不匹配的问题，并提供了理论分析和实证验证。
PDF10 months ago
软量化基于熵正则化
本研究介绍了量化问题，熵正则化量化问题以及熵正则化瓦砾斯坦距离的性质和稳定性，提出了一种基于软极小函数的逼近技术，使用熵正则化瓦砾斯坦距离评估软量化问题的逼近质量，并采用随机梯度法求解最优解。该方法的控制参数可调整优化问题的难度，对处理复杂
PDF10 months ago
利用半监督的序列生成对抗网络进行双模式医学图像合成
我们提出了一种基于顺序生成对抗网络（GAN）和半监督学习的双模医学图像合成方法，该方法包括两个生成模块，用于按顺序合成两种模式的图像。通过度量合成复杂性的方法自动确定顺序，首先合成较低复杂度的模式图像，然后再生成较高复杂度的模式图像。我们的
PDF10 months ago
连续分数的可解释分布不变公平度量
通过分布不变公平性度量，我们提出了一套对连续计分进行公平性度量的方法，该方法基于 Wasserstein 距离，具有合理的解释性，并且适用于量化和解释群组差异的强度，以及在不同模型、数据集或时间点之间比较偏差。我们还证明了这些度量的有效性，
PDFa year ago
条件分布的 Wasserstein 几何生成器
基于统计距离定义的度量空间，我们推导出了条件分布的 Wasserstein 距离的可判定上界，为学习条件分布打下了理论基础。基于该结果，我们提出了一种新的条件生成算法，其中条件分布完全由统计距离定义的度量空间来刻画。我们采用最优传输理论来设
PDFa year ago
计算不平衡分布之间的距离 —— 平距度量
我们提供了一个在任意维度计算平坦度量的实现。平坦度量，也称为双有界利普希茨距离，将众所周知的 Wasserstein 距离 W1 推广到分布总质量不相等的情况。这对于不平衡的最优传输任务以及样本大小重要或不可归一化的数据分布的分析非常重要。
PDFa year ago
通过对称和逐因子不变函数的通用架构，神经逼近瓦瓦斯坦距离
本文提出了一种通用的神经网络架构来逼近对称函数，结合草图思想开发了一种能够逼近点集间 $p$-th Wasserstein 距离的特定和高效神经网络，经验结果表明该网络的性能明显优于其他模型，有望在解决各种几何优化问题中发挥作用。
PDFa year ago
用切片瓦烏希斯坦損失函數訓練神經網絡的 SGD 收斂
优化传输（Optimal Transport）近年来引发了广泛兴趣，尤其是由于 Wasserstein 距离的提出，该距离提供了一种几何上合理且直观的比较概率测度的方式。为了解决计算问题，引入了切片 Wasserstein（SW）距离作为
PDFa year ago
通过切片 Wasserstein 广义测地线实现快速的最优输运
本文提出了一种新的 WD 代理 min-SWGG，该代理基于两个输入分布的一维最优投影诱导的运输映射，并提供了一个相关的传输计划，证明 min-SWGG 是 WD 的上界且具有类似于切片 Wasserstein 的复杂度和梯度下降优化。作者
PDFa year ago
大规模预训练分类器任务可转移性分析
本文通过分析在只微调模型最后一层的情况下分类任务的性能传输，提出了一种新颖的任务转移分析方法，该方法通过改变类先验分布、标签和特征空间的方法变换源分布，并利用 Wasserstein 距离、标签分布的条件熵以及源分布的带权损失等因素说明了传
PDFa year ago
宽随机神经网络高斯随机场逼近的斯坦方法应用
该研究基于 Stein 方法，利用一种新颖的高斯平滑技术，构建使用拉普拉斯算子幂的协方差函数，推导出任意连续 n - 球索引的随机场到高斯随机场的 Wasserstein 距离的上界，可以进一步推广到复杂的神经网络模型中。
PDFa year ago
从私有化数据中训练生成模型
本文提出了一种基于局部差分隐私的生成对抗网络训练方法，通过熵正则化 Wasserstein 距离的组合使用来降噪数据分布，有效地缓解了正则化偏差和隐私噪声效应。
PDFa year ago
风险度量置信度区间的分布优化框架
本研究提出了一种基于分布优化框架来优化风险度量的方法，并通过使用经验分布的浓度界从而进行两个评估方案，进一步提高了数据的准确度。
PDFa year ago