寻脉SEEKPULSE
发现热榜需求广场技术讨论工具箱信源
其他摘要中文全文附件 2arXiv cs.LG · 2026-10-17 · 4 天前

Vertical Sliced Wasserstein Distances for Meta-Measures

中文摘要

由模型生成 · 人工抽检

论文提出垂直切片 Wasserstein 距离(VSW),用于比较观测本身即为概率测度的元测度(P(P(Ω)))。它用连续测试函数投影内层测度,再用一维 Wasserstein 距离比较,避免高维最优传输的高昂开销,并证明其为有效度量、可度量弱收敛且具维度无关的统计收敛性,还给出粒子梯度用于元测度的梯度传输。

全文

已译中文

arXiv:2610.20743v1 公告类型:新

摘要:许多现代学习问题需要比较概率分布,而这些分布中的单个观测本身又是概率测度,这自然在 $\mathcal{P}(\mathcal{P}(\Omega))$ 中产生了元测度(meta-measures)。然而,该空间上的最优传输距离的求值成本可能高得难以承受。我们引入垂直切片 Wasserstein($\mathrm{VSW}$)距离,这是一种定义在 $\mathcal{P}(\mathcal{P}(\Omega))$ 上的可扩展度量。$\mathrm{VSW}$ 不沿 $\mathcal{P}(\Omega)$ 的传输几何进行切片,而是使用连续测试函数对每个内层测度进行投影,并用一维 Wasserstein 距离比较所得的一维分布。我们证明 $\mathrm{VSW}$ 是 $\mathcal{P}(\mathcal{P}(\Omega))$ 上的有效度量,可度量弱收敛,并具有与维度无关的统计收敛保证。在实验上,与现有的元测度距离相比,$\mathrm{VSW}$ 具有高精度和高效率。我们进一步为经验 $\mathrm{VSW}_2^2$ 目标推导出一个实用的粒子梯度,并演示了其在基于梯度的元测度传输中的用途。$\mathrm{VSW}$ 为比较和优化分布的分布提供了一种简单且可扩展的替代方案。

本译文由模型自动生成,仅供参考与快速理解;涉及数字、版本、命令、法律条文等请以原文为准。

原文附件

2 个 · 均跳转原站,本站不托管文件
有效期判断
起 2026-10-16止 2027-04-20模型置信度 60%

正文为原站公开内容的抓取与清洗结果,英文条目附模型生成的中文译文;两者均仅供参考, 准确内容请以原站为准。内容版权归原作者所有,若认为侵权请联系我们下线。

聊聊这条信息0

补充、质疑、落地经验都欢迎
登录后参与讨论

还没有评论,来写下第一条。

相关脉络

具身智能arXiv cs.RO4 天前

Feasibility Ceilings Before Learning: Sizing and Timing Bounds for Drone-Mesh Interception

论文给出无人机网状拦截在选定策略前的性能上界闭式解:预测点不确定性由最小二乘方差传播加 delta 方法项刻画,与仿真误差 1.8%;在智能体间距不小于 2r 时,平面覆盖率上限 90.69%、体积 74.05%,允许重叠则改用 Kershner 最薄覆盖密度并在 p=0.80 处切换更优。作者主张学习实验前先算上界并随结果一并报告。

大模型arXiv cs.LG4 天前

Optimal Explicit and Implicit Regularization Strengths in High-Dimensional Continual Linear Regression

该论文研究高维持续线性回归中显式与隐式正则化的最优强度,推导了固定步数梯度下降的泛化损失闭式解,证明最优步长随任务数近似以 ln T / T 衰减,并与最优 L2 正则等价,还给出对角正则矩阵下最优正则器为各向同性的充要条件。为持续学习系统的步长与正则设计提供理论指导。