最优传输(OT)提供了一种强大而灵活的方法来比较各种形状的概率度量:绝对连续的、退化的或离散的。最优传输(Optimal Transport)是多个学科交叉的研究领域,包括概率、分析以及优化等。最优传输研究的主要目标是建立有效比较概率分布的几何工具。

https://remi.flamary.com/cours/otml/OTML_SIAM_2021.pdf

成为VIP会员查看完整内容
45

相关内容

专知会员服务
76+阅读 · 2021年7月31日
边缘机器学习,21页ppt
专知会员服务
78+阅读 · 2021年6月21日
923页ppt!经典课《机器学习核方法》,附视频
专知会员服务
104+阅读 · 2021年3月1日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
45+阅读 · 2020年11月30日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
【普林斯顿】持续视角下的机器学习,31页ppt及视频
专知会员服务
23+阅读 · 2020年8月19日
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
深度强化学习策略梯度教程,53页ppt
专知会员服务
176+阅读 · 2020年2月1日
【微软亚研130PPT教程】强化学习简介
专知
36+阅读 · 2018年10月26日
246 页《统计机器学习与凸优化》教程 PPT 下载
新智元
24+阅读 · 2018年9月21日
【干货】最新GAN教程,153PPT附代码
GAN生成式对抗网络
12+阅读 · 2018年9月18日
43页PPT,图文教你机器学习中的数学基础【附PPT下载】
机器学习算法与Python学习
4+阅读 · 2018年9月18日
贝叶斯机器学习前沿进展
架构文摘
12+阅读 · 2018年2月11日
TensorFlow神经网络教程
Python程序员
4+阅读 · 2017年12月4日
Arxiv
5+阅读 · 2020年3月17日
Attention Network Robustification for Person ReID
Arxiv
5+阅读 · 2019年10月15日
Multi-Label Learning with Label Enhancement
Arxiv
4+阅读 · 2019年4月16日
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Arxiv
7+阅读 · 2018年5月23日
Arxiv
7+阅读 · 2018年1月31日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年7月31日
边缘机器学习,21页ppt
专知会员服务
78+阅读 · 2021年6月21日
923页ppt!经典课《机器学习核方法》,附视频
专知会员服务
104+阅读 · 2021年3月1日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
45+阅读 · 2020年11月30日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
【普林斯顿】持续视角下的机器学习,31页ppt及视频
专知会员服务
23+阅读 · 2020年8月19日
少标签数据学习,54页ppt
专知会员服务
194+阅读 · 2020年5月22日
深度强化学习策略梯度教程,53页ppt
专知会员服务
176+阅读 · 2020年2月1日
相关资讯
【微软亚研130PPT教程】强化学习简介
专知
36+阅读 · 2018年10月26日
246 页《统计机器学习与凸优化》教程 PPT 下载
新智元
24+阅读 · 2018年9月21日
【干货】最新GAN教程,153PPT附代码
GAN生成式对抗网络
12+阅读 · 2018年9月18日
43页PPT,图文教你机器学习中的数学基础【附PPT下载】
机器学习算法与Python学习
4+阅读 · 2018年9月18日
贝叶斯机器学习前沿进展
架构文摘
12+阅读 · 2018年2月11日
TensorFlow神经网络教程
Python程序员
4+阅读 · 2017年12月4日
相关论文
Arxiv
5+阅读 · 2020年3月17日
Attention Network Robustification for Person ReID
Arxiv
5+阅读 · 2019年10月15日
Multi-Label Learning with Label Enhancement
Arxiv
4+阅读 · 2019年4月16日
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
Arxiv
7+阅读 · 2018年5月23日
Arxiv
7+阅读 · 2018年1月31日
微信扫码咨询专知VIP会员