研究人员开发了一种名为流式切片 Wasserstein (Stream-SW) 的新方法，用于从数据流估计切片 Wasserstein (SW) 距离。该方法通过引入一维 Wasserstein 距离 (1DW) 的流式估计器来提高计算可扩展性，然后将其应用于所有投影以创建 Stream-SW。该方法具有低内存复杂度，同时提供近似误差的理论保证，在具有高斯分布和混合物的实验中优于随机子采样。Stream-SW 在点云分类、梯度流和变化点检测等应用中也表现出良好的性能。 AI
影响 为分析数据流提供了一种更有效的方法，有可能改进序列数据上的 AI 模型训练和推理。
排序理由 详细介绍一种新的统计分析计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
