Sinkhorn Algorithm for Lifted Assignment Problems
PulseAugur coverage of Sinkhorn Algorithm for Lifted Assignment Problems — every cluster mentioning Sinkhorn Algorithm for Lifted Assignment Problems across labs, papers, and developer communities, ranked by signal.
-
新的 GPU 求解器 cuRegOT 加速了机器学习的最优传输
研究人员开发了 cuRegOT，这是一种新的 GPU 加速求解器，旨在克服大规模机器学习应用中最优传输 (OT) 的计算挑战。该求解器通过引入摊销符号分析和异步迭代生成等优化，解决了现有方法（如 Sinkhorn 算法和稀疏加低秩拟牛顿法）的局限性。数值实验表明，cuRegOT 在各种基准任务上的表现显著优于当前最先进的 GPU 求解器。
-
图归一化为NP难的最大权重独立集问题提供可微分近似
研究人员开发了图归一化（Graph Normalization, GN），一个新颖的动力学系统，用于近似NP难的最大权重独立集（Maximum Weight Independent Set, MWIS）问题。GN提供了一种原则性且可微分的方法，收敛于最大独立集的二值指示符，并在大规模基准测试中优于现有求解器。该方法在需要约束下进行硬决策的深度学习架构中具有潜在应用，例如结构化注意力（structured attention）和专家混合…
-
新的CUDA实现加速了GPU上的最优传输计算
研究人员开发了FastSinkhorn，一种用于最优传输计算的Sinkhorn算法的新CUDA实现。该方法完全在对数域中运行，即使在其他方法失败的非常小的正则化参数下也能确保数值稳定性。基准测试表明，FastSinkhorn与POT和PyTorch等现有库相比，速度显著提升，同时使用的GPU内存最少。