基于Wasserstein自编码器与三角传输的条件采样
机器学习
2026-04-06 v1 最优化与控制
摘要
我们提出了条件Wasserstein自编码器（CWAEs），一个用于条件模拟的框架，利用被条件化变量和条件化变量中均存在的低维结构。核心思想是修改Wasserstein自编码器以使用（块）三角解码器，并对隐变量施加适当的独立性假设。我们证明，由此产生的模型既能利用低维结构，同时解码器也可用于条件模拟。我们探讨了CWAEs的各种理论性质，包括其与条件最优传输（OT）问题的联系。我们还提出了替代公式，形成了我们的三种架构变体的基础。我们展示了一系列数值实验，表明我们的不同CWAE变体在近似误差方面相对于低秩集成卡尔曼滤波器（LREnKF）实现了大幅降低，特别是在条件测度的支撑集真正低维的问题中。
引用
@article{arxiv.2604.02644,
title = {Conditional Sampling via Wasserstein Autoencoders and Triangular Transport},
author = {Mohammad Al-Jarrah and Michele Martino and Marcus Yim and Bamdad Hosseini and Amirhossein Taghvaei},
journal= {arXiv preprint arXiv:2604.02644},
year = {2026}
}
备注
8 pages, 5 figures