PulseAugur
中
实时 15:38:24
English(EN) End-to-End Deep Learning for Predicting Metric Space-Valued Outputs

新深度学习框架预测度量空间输出

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 E2M（端到端度量回归）的新深度学习框架，旨在预测存在于一般度量空间中的输出。该方法通过使用加权 Fréchet 均值来避免传统的向量空间假设，从而实现几何感知预测。该框架在涉及概率分布、网络和正定矩阵的模拟中展示了最先进的性能，在更大的样本量下有显著改进。E2M 也已应用于真实世界的数据集，如人类死亡率分布和出租车网络，展示了其实用性。 AI

影响 引入了一种处理机器学习预测中复杂、非欧几里得数据结构的新颖方法。

排序理由 该集群包含一篇详细介绍新深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yidong Zhou, Su I Iao, Hans-Georg M\"uller ·

    端到端深度学习预测度量空间值输出

    arXiv:2509.23544v2 Announce Type: replace Abstract: Many modern applications involve predicting structured, non-Euclidean outputs such as probability distributions, networks, and symmetric positive-definite matrices. These outputs are naturally modeled as elements of general metr…

相关话题