用于非欧几里得数据集的新型可观测 Wasserstein 距离框架

研究人员引入了可观测 Wasserstein 距离，这是一个新颖的框架，旨在为概率测度之间的 Wasserstein 距离提供下界。该方法对于计算成本过高的、大规模的非欧几里得数据集特别有用。通过使用 1-Lipschitz 可观测值将测度投影到实线上，该框架计算推前分布之间的 Wasserstein 距离，从而在下界精度和计算效率之间提供可调的权衡。 AI

影响 该框架可以提高处理复杂非欧几里得数据的机器学习模型的效率。

排序理由 该集群包含一篇研究论文，详细介绍了用于计算概率测度之间距离的新数学框架。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• 1-Lipschitz observables
• arXiv
• Cramér-Wold Device
• Euclidean distributions
• metric covering dimension
• non-Euclidean datasets
• optimal transport
• Polish metric spaces
• pushforward distributions
• Sliced-Wasserstein distance
• Tom Needham
• Wasserstein metric

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →