研究人员开发了一种新的切片 Wasserstein 距离估计方法，这是标准 Wasserstein 距离的一种计算高效的替代方法。这种新颖的方法利用投影测度的累积分布函数 (CDF)，避免了对投影样本进行排序的需要，并实现了海量数据集并行化。该方法对于涉及高斯混合的情况特别有效，并且还与联邦学习兼容，因为它允许在不共享原始数据的情况下对 CDF 进行本地计算和聚合。 AI
影响 这种新的估计方法可以提高依赖距离度量的机器学习算法的效率和可扩展性。
排序理由 该项目是一篇详细介绍新的统计估计方法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Christophe Vauthier
- Cumulative Distribution Functions
- federated learning
- Gaussian mixture model
- Quantile Functions
- Sliced Wasserstein distance
- Wasserstein distance
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
