研究人员引入了新的数学工具，即熵部分最优传输和部分混合 Gromov--Wasserstein 距离，旨在比较概率测度和度量测度空间。这些方法通过允许部分匹配来解决现有平衡公式的局限性，这对于包含异常值或不完整信息的数据集很有益。该论文详细介绍了这些新距离的数学特性，包括它们的存在性、唯一性和极限，并通过在合成数据和点云上的数值实验展示了它们的应用。 AI
排序理由 该集群包含一篇介绍新数学方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]
- Entropic partial optimal transport
- Gaussian components
- Gaussian Mixture Models
- Gromov--Wasserstein distances
- optimal transport
- Partial Gromov--Wasserstein distance
- point cloud
- Toshiaki Yachimura
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
