跳到正文
热点事件持续更新

Hessian引导扰动Wasserstein梯度流论文提交

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Ryotaro Kawata、Atsushi Nitanda 与 Taiji Suzuki 向 arXiv 提交论文,分析 Hessian 引导扰动 Wasserstein 梯度流(PWGF)在有限粒子近似下、随时间跨度增长时的跟踪精度。 分析显示,沿参考路径累积的负曲率会放大近似误差,随后的正曲率可抑制该影响,从而刻画出短暂不稳定仍能保证长期精确跟踪的情形。作者在方差加余弦模型和正则化矩阵分解模型中验证了曲率条件,并给出高概率下的粒子与目标值跟踪界。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. arXiv:cs.LG
    Hessian 引导扰动 Wasserstein 梯度流的有限样本近似分析

    研究 Hessian 引导扰动 Wasserstein 梯度流(PWGF)在有限粒子近似下、随时间跨度增长时的跟踪精度。分析表明,沿参考路径累积的负曲率会放大近似误差,随后的正曲率可抑制其影响,从而刻画了短暂不稳定仍可保证长期精确跟踪的情形。作者在方差加余弦模型和正则化矩阵分解模型中验证了曲率条件,并给出了高概率下的粒子与目标值跟踪界。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。