中文

双重正则化熵Wasserstein重心

最优化与控制 2025-07-28 v2 机器学习 机器学习

摘要

我们研究了一种一般形式的正则化Wasserstein重心,其具备良好的正则性、逼近性、稳定性及(无网格)优化性质。该重心定义为唯一的概率测度,它最小化关于一族给定概率测度的熵最优传输(EOT)代价之和,外加一个熵项。我们将其记为(λ,τ)(\lambda,\tau)-重心,其中λ\lambda为内部正则化强度,τ\tau为外部正则化强度。该形式对不同的λ,τ0\lambda,\tau \geq 0选择可恢复若干先前提出的EOT重心并推广之。首先,尽管——实则由于——被\emph{双重}正则化,我们证明我们的形式在τ=λ/2\tau=\lambda/2时是去偏的:对于光滑密度,其在(未正则化)Wasserstein重心目标中的次优性量级为熵正则化强度λ2\lambda^2,而非一般的max{λ,τ}\max\{\lambda,\tau\}。我们针对各(λ,τ)(\lambda,\tau)-重心均有闭式解的各向同性高斯情形讨论了此现象。其次,我们证明对λ,τ>0\lambda,\tau>0,该重心具有光滑密度且在边缘扰动下强稳定。特别地,它可被有效估计:给定各概率测度的nn个样本,它以n1/2n^{-1/2}的速率在相对熵下收敛至总体重心。最后,该形式自然适配无网格优化算法:我们提出一种简单的\emph{带噪粒子梯度下降},其在平均场极限下以指数速率全局收敛至该重心。

关键词

引用

@article{arxiv.2303.11844,
  title  = {Doubly Regularized Entropic Wasserstein Barycenters},
  author = {Lénaïc Chizat},
  journal= {arXiv preprint arXiv:2303.11844},
  year   = {2025}
}