用于最优传输的地面度量学习的黎曼方法
机器学习
2024-09-17 v1 人工智能
摘要
最优传输（OT）理论在机器学习和信号处理应用中引起了广泛关注。OT 定义了源数据点和目标数据点概率分布之间距离的概念。影响基于 OT 的距离的一个关键因素是源数据点和目标数据点所在的嵌入空间的地面度量。在这项工作中，我们提出学习一种由对称正定矩阵参数化的合适潜在地面度量。我们利用对称正定矩阵丰富的黎曼几何，将 OT 距离与地面度量联合学习。实验结果说明了所学度量在基于 OT 的领域自适应中的有效性。
引用
@article{arxiv.2409.10085,
title = {A Riemannian Approach to Ground Metric Learning for Optimal Transport},
author = {Pratik Jawanpuria and Dai Shi and Bamdev Mishra and Junbin Gao},
journal= {arXiv preprint arXiv:2409.10085},
year = {2024}
}