实体
Distance-Matrix Wasserstein
Distance-Matrix Wasserstein
PulseAugur coverage of Distance-Matrix Wasserstein — every cluster mentioning Distance-Matrix Wasserstein across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
关于可扩展Gromov-Wasserstein学习的研究论文被撤回
一篇题为“用于可扩展Gromov-Wasserstein学习的距离矩阵Wasserstein统计”的研究论文已被作者Ao Xu撤回。该论文提出了一种名为距离矩阵Wasserstein（DMW）的新方法，作为Gromov-Wasserstein（GW）距离的可扩展近似和下界，GW距离用于比较图和形状。DMW通过比较随机距离矩阵的分布来工作，而不是优化全局点级对齐。作者声称具有理论保证，并在各种基准测试中证明了其有效性，但该论文后来被撤回。
-
新的DMW方法为复杂数据结构提供可扩展的比较
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。