Спарсе-диалог: обучение методам измерения и оценки данных с помощью линейного оптимального переноса: эффективные алгоритмы и сложность выборки

arXiv: 2610.10.12924v1 Annuate Type: New Brieflook: Мы изучаем словарь для оценки вероятностей, встраивая показатели в пространства Хилберта с помощью характеристик, полученных от оптимальной геометрии переноса. Мы учимся адаптированным к данным словарям с помощью малой параметризации автоэнкодера, производя быстрые и масштабируемые представления показателей вероятности в виде ограниченных конечных значений кодов. В результате этого в рамках сочетается богатая геометрическая структура оптимального переноса с интерпретируемостью и эффективностью обучения незначительному представительству. Мы демонстрируем его полезность в различных условиях данных, включая гиперспектральные изображения, облака геометрических точек и документальные встроенные в большие языковые модели латентные пространства. Мы также доказываем, что общие рамки для небольших целей обучения в словаре на широких классах мер по оценке стоимости 2 долл. Для оптимального транспорта и энтропического транспортного картографа мы вычисляем ne