Skalierbare Methoden des Optimalen Transports in der Maschinellen Lernen: Eine zeitgenössische Übersicht
Optimaler Transport (OT) ist ein mathematischer Rahmen, der im 18. Jahrhundert entstanden ist und zu einer Vielzahl von Methoden geführt hat, um viele theoretische und angewandte Fragen zu beantworten. Das letzte Jahrzehnt war Zeuge der bemerkenswerten Beiträge dieses klassischen Optimierungsproblems zum maschinellen Lernen. Dieser Artikel befasst sich damit, wo und wie der optimale Transport im maschinellen Lernen verwendet wird, mit einem Schwerpunkt auf der Frage der skalierbaren optimalen Transportmethoden.
Optimaler Transportplan durch Flussanpassung in einem einzigen Schritt
Wir entwickeln einen neuartigen Ansatz zur optimalen Flussanpassung, der für die quadratische Kostenfunktion die unverfälschte Lösung des optimalen Transports in nur einem einzigen Schritt wiederherstellt.
Konsistenter Optimaler Transport mit empirischen bedingten Maßnahmen
Der Artikel stellt einen innovativen Ansatz für den konsistenten optimalen Transport mit empirischen bedingten Maßnahmen vor.
© 2024 by Linnk AI