論文の概要: Approximating Optimal Transport via Low-rank and Sparse Factorization

• arxiv url: http://arxiv.org/abs/2111.06546v1
• Date: Fri, 12 Nov 2021 03:10:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-15 21:33:58.110316
• Title: Approximating Optimal Transport via Low-rank and Sparse Factorization
• Title（参考訳）: 低ランク・スパース因子化による最適輸送の近似
• Authors: Weijie Liu, Chao Zhang, Nenggan Zheng, Hui Qian
• Abstract要約: 最適なトランスポート(OT)は、様々な機械学習アプリケーションで自然に発生するが、しばしば計算ボトルネックとなる。 輸送計画を低ランク行列とスパース行列の和に分解できる新しいOT近似法を提案する。
• 参考スコア（独自算出の注目度）: 19.808887459724893
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Optimal transport (OT) naturally arises in a wide range of machine learning applications but may often become the computational bottleneck. Recently, one line of works propose to solve OT approximately by searching the \emph{transport plan} in a low-rank subspace. However, the optimal transport plan is often not low-rank, which tends to yield large approximation errors. For example, when Monge's \emph{transport map} exists, the transport plan is full rank. This paper concerns the computation of the OT distance with adequate accuracy and efficiency. A novel approximation for OT is proposed, in which the transport plan can be decomposed into the sum of a low-rank matrix and a sparse one. We theoretically analyze the approximation error. An augmented Lagrangian method is then designed to efficiently calculate the transport plan.
• Abstract（参考訳）: 最適なトランスポート(ot)は、自然にさまざまな機械学習アプリケーションで発生するが、しばしば計算ボトルネックとなる。 近年、一行の著作が、低ランク部分空間で \emph{transport plan} を探索することで、ot を解くことを提案している。 しかし、最適な輸送計画はしばしば低ランクではなく、大きな近似誤差をもたらす傾向にある。 例えば、Monge の \emph{transport map} が存在する場合、輸送計画はフルランクである。 本稿では,ot距離の計算を精度と効率良く行う。 輸送計画を低ランク行列とスパース行列の和に分解できる新しいOT近似法を提案する。 近似誤差を理論的に解析する。 拡張ラグランジアン法は、輸送計画の効率的な計算のために設計される。

関連論文リスト

• Expected Sliced Transport Plans [9.33181953215826]
  本研究では, 1次元の最適輸送計画を, もともとの空間に戻す「揚力」操作を提案する。 本研究では、EST計画を用いて、ある点から別の点へ移動する際のユークリッドの個々のコストの和を重み付けし、入力された離散確率測度間の有効距離を求めることを証明する。
  論文  参考訳（メタデータ） (2024-10-16T02:44:36Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• InfoOT: Information Maximizing Optimal Transport [58.72713603244467]
  InfoOTは最適な輸送の情報理論の拡張である。 幾何学的距離を最小化しながら、ドメイン間の相互情報を最大化する。 この定式化は、外れ値に対して堅牢な新しい射影法をもたらし、目に見えないサンプルに一般化する。
  論文  参考訳（メタデータ） (2022-10-06T18:55:41Z)
• Low-rank Optimal Transport: Approximation, Statistics and Debiasing [51.50788603386766]
  フロゼットボン2021ローランで提唱された低ランク最適輸送(LOT)アプローチ LOTは興味のある性質と比較した場合、エントロピー正則化の正当な候補と見なされる。 本稿では,これらの領域のそれぞれを対象とし,計算OTにおける低ランクアプローチの影響を補強する。
  論文  参考訳（メタデータ） (2022-05-24T20:51:37Z)
• Neural Optimal Transport [82.2689844201373]
  本稿では、最適な輸送マップを計算し、強力で弱い輸送コストを計画するニューラルネットベースの新しいアルゴリズムを提案する。 ニューラルネットワークが確率分布間の輸送計画の普遍的近似であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T16:24:13Z)
• Near-optimal estimation of smooth transport maps with kernel sums-of-squares [81.02564078640275]
  滑らかな条件下では、2つの分布の間の正方形ワッサーシュタイン距離は、魅力的な統計的誤差上界で効率的に計算できる。 生成的モデリングのような応用への関心の対象は、基礎となる最適輸送写像である。 そこで本研究では,地図上の統計的誤差であるL2$が,既存のミニマックス下限値とほぼ一致し,スムーズな地図推定が可能となる最初のトラクタブルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-12-03T13:45:36Z)
• Efficient estimates of optimal transport via low-dimensional embeddings [0.0]
  最適輸送距離(OT)は、確率分布を比較する方法として機械学習の最近の研究で広く使われている。 Patyらによる最近の研究は、データの低ランクプロジェクションを使用してOTを計算することで、このコスト削減を特に目指している。 このアプローチを拡張し、1-Lipschitz であれば、より一般的な写像の族を用いることで、OT 距離を近似できることを示す。
  論文  参考訳（メタデータ） (2021-11-08T21:22:51Z)
• Order Constraints in Optimal Transport [6.677646909984405]
  本稿では, 構造を組み込むために, 最適輸送の定式化に新しい順序制約を導入する。 最適輸送計画に構造を加えるための説明可能なアプローチを可能にする計算効率の低い境界を導出する。
  論文  参考訳（メタデータ） (2021-10-14T11:26:23Z)
• Linearized Optimal Transport for Collider Events [0.0]
  線形化最適輸送(LOT)ツールを用いたコライダーイベント間距離の効率的な計算フレームワークを提案する。 また、単純な機械学習アルゴリズムや視覚化技術に使えるユークリッドの埋め込みも備えている。
  論文  参考訳（メタデータ） (2020-08-19T18:00:09Z)
• FLOT: Scene Flow on Point Clouds Guided by Optimal Transport [82.86743909483312]
  本稿では,点雲上のシーンフローを推定するFLOT法を提案する。 グラフマッチングに関する最近の研究に触発されて、最適な輸送手段からツールを借りてこれらの対応を見つける方法を構築した。 私たちの主な発見は、FLOTは、合成および実世界のデータセット上で、最も優れた既存の方法と同様に、実行可能であることです。
  論文  参考訳（メタデータ） (2020-07-22T00:15:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。