概率测度的 Wasserstein 度量空间中的网络共识
最优化与控制
2021-10-04 v3
摘要
本文引入了实线上概率测度的 Wasserstein 度量空间中的分布式共识。在网络弱连通条件下，证明了每个智能体的测度收敛于一个公共测度。各智能体达到的该公共测度是使其与所有初始智能体测度的 Wasserstein 距离加权和最小化的测度，该测度被称为 Wasserstein 重心。文中考虑了涉及高斯测度、经验测度和时不变网络拓扑的特殊情况，并给出了收敛速率和平均共识结果。本工作在计算机视觉、机器学习、聚类和估计领域具有潜在的应用价值。
引用
@article{arxiv.1404.0145,
title = {Network Consensus in the Wasserstein Metric Space of Probability Measures},
author = {Adrian N. Bishop and Arnaud Doucet},
journal= {arXiv preprint arXiv:1404.0145},
year = {2021}
}
备注
A preliminary draft of this work appeared in a conference proceedings as: "A.N. Bishop and A. Doucet. Distributed nonlinear consensus in the space of probability measures. In Proc. of the 19th IFAC World Congress, Cape Town, South Africa, August 2014."