研究人员开发了一种名为距离矩阵Wasserstein (DMW)的新方法，以更有效地比较图和点云等复杂数据结构。该方法将计算密集型的Gromov--Wasserstein (GW)距离问题放松为一系列Wasserstein统计量，用于比较随机距离矩阵的分布。DMW被证明是GW的下界，其差距受采样误差控制，并通过切片和多尺度变体提供可扩展的计算。实验表明，DMW在各种应用中有效地充当了结构比较的代理。 AI
影响 引入了一种更具可扩展性的复杂数据结构比较方法，有可能提高涉及图和点云分析的机器学习任务的性能。
排序理由 详细介绍新计算方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
