本研究では、最適輸送(OT)の地面メトリックを学習する新しい手法を提案している。OTは、確率分布間の「距離」を定義する数学的枠組みであり、機械学習の様々な分野で応用されている。地面メトリックは、OTの性能に大きな影響を与える重要な要素である。
提案手法では、地面メトリックを対称正定値行列によって表現し、リーマン幾何学の手法を用いて、データに適応的な地面メトリックを学習する。具体的には、以下の2つのステップを交互に実行する:
与えられた地面メトリックの下で最適輸送問題を解く。これは、シンクホーン法を用いて効率的に解くことができる。
最適輸送計画に基づいて、地面メトリックを更新する。この更新は、リーマン幾何学的な視点から見ると、2つの対称正定値行列の幾何平均を計算することに相当する。
提案手法は、ドメイン適応の問題設定において評価され、従来手法よりも優れた一般化性能と頑健性を示した。これは、データに適応的な地面メトリックを学習することの重要性を示唆している。
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Pratik Jawan... о arxiv.org 09-17-2024
https://arxiv.org/pdf/2409.10085.pdfГлибші Запити