GAIT：一种信息论的几何方法
机器学习
2022-07-12 v3 机器学习
摘要
我们主张使用一种反映字母表中符号相对丰度及其之间相似性的熵概念。该概念最初在理论生态学中引入以研究生态系统多样性。基于这一熵概念，我们为信息论中的若干概念与定理引入了几何感知的对应物。值得注意的是，我们提出的散度展现出与基于 Wasserstein 距离的最先进方法相当的性能，但享有可高效计算的闭式表达式。我们通过广义域上的实验展示了方法的通用性：训练生成模型、计算图像重心、近似经验测度以及计数模式。
引用
@article{arxiv.1906.08325,
title = {GAIT: A Geometric Approach to Information Theory},
author = {Jose Gallego-Posada and Ankit Vani and Max Schwarzer and Simon Lacoste-Julien},
journal= {arXiv preprint arXiv:1906.08325},
year = {2022}
}
备注
Appears in: Proceedings of the 23rd International Conference on Artificial Intelligence and Statistics (AISTATS) 2020. 19 pages