基于线性化最优传输的测度值数据稀疏字典学习

该研究提出一种面向测度值数据的稀疏字典学习方法，把概率测度嵌入 Hilbert 空间，利用最优传输几何特征与稀疏自编码器参数化，学习数据自适应字典，并将概率测度表示为快速、可扩展的稀疏有限维代码。方法在超光谱图像、几何点云和大语言模型潜在空间文档嵌入等模态上验证，并给出基于原子类度量复杂度的泛化界。论文还为最优传输与熵传输映射字典导出新的覆盖数界，得到显式收敛率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。