研究人员引入了一种名为 Wasserstein Mahalanobis 距离的新度量，它将多元数据中的 Mahalanobis 距离概念扩展到概率测度。这种新的距离度量利用了 Wasserstein 切线空间上的最优传输位移场和协方差算子。该工作表明，这种构造可以恢复潜在几何结构，类似于非线性独立成分分析，并在平滑变换下近似高斯测度的经典 Mahalanobis 距离。 AI
影响 引入了一种分析概率测度的新颖数学框架，可能影响需要数据分布几何理解的未来人工智能研究领域。
排序理由 该集群包含一篇详细介绍新数学概念及其潜在应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Mahalanobis distance
- Wasserstein Mahalanobis distance
- Wasserstein space
- Wasserstein tangent spaces
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
