MELCOT：基于边际保持的矩阵值回归混合学习架构
机器学习
2025-09-30 v1 人工智能
摘要
回归是诸多领域的基本任务，但在高维场景中仍具挑战，因已有方法常丢失空间结构或需大量存储。本文聚焦矩阵值回归问题，即每个样本自然表示为矩阵。我们提出MELCOT，一种混合模型，将经典机器学习的边际估计（ME）模块与深度学习的可学习成本最优传输（LCOT）模块集成。ME模块估计数据边际以保持空间信息，LCOT模块学习复杂全局特征。该设计使MELCOT继承了经典与深度学习方法的优势。跨多样本数据集和领域的大量实验表明，MELCOT始终优于所有基线且高度高效。
引用
@article{arxiv.2509.23315,
title = {MELCOT: A Hybrid Learning Architecture with Marginal Preservation for Matrix-Valued Regression},
author = {Khang Tran and Hieu Cao and Thinh Pham and Nghiem Diep and Tri Cao and Binh Nguyen},
journal= {arXiv preprint arXiv:2509.23315},
year = {2025}
}