研究人员提出了一种新的圆锥形 Gromov-Wasserstein (CGW) 距离的表述方法，将其适用范围从比较概率密度扩展到分析更一般的网络和超网络结构。该增强框架建立了 CGW 度量的基本属性，包括其缩放行为和对度量扰动的鲁棒性。该论文还提出了一种计算上可行的块坐标上升算法，用于估计 CGW 的超网络表述，并通过在各种数据集上的实验进行了演示。 AI
影响 引入了一种新颖的度量表述和估计算法，用于分析复杂数据结构，可能推动机器学习应用领域的研究。
排序理由 这是一篇研究论文，详细介绍了一种特定度量的新表述和算法。[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 →