开发了一类新的切片Wasserstein（SW）距离估计器，该估计器利用累积分布函数（CDF）而非分位数函数。这种方法允许大规模数据集并行处理，并避免了对投影样本进行排序的需要，从而提高了计算效率。该方法特别适用于涉及高斯混合模型的情况，并且与联邦学习兼容，因为CDF可以在不共享原始数据的情况下在本地计算和聚合。 AI
影响 这项研究可以提高机器学习中距离度量计算的效率，特别是在分布式和联邦学习场景中。
排序理由 该集群包含一篇arXiv预印本，详细介绍了统计学和机器学习中的新研究方法。
- arXiv
- Christophe Vauthier
- Cumulative Distribution Functions
- federated learning
- Gaussian mixture model
- Quantile Functions
- Sliced-Wasserstein distance
- Wasserstein metric
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
