会员服务
最优传输 · 报告 ·
2021 年 10 月 26 日
【Google-Marco Cuturi】最优传输，339页ppt，Optimal Transport
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

最优传输理论是连接几何和概率的桥梁， 它用几何的方法为概率分布的建模和衡量概 率分布之间的距离提供了强有力的工具。最 近，最优传输理论的概念和方法日益渗透进 机器学习领域，为机器学习原理的解释提供 了新的视角，为机器学习算法的改进提供了新的指导方向。

来自Google AI的Marco Cuturi介绍最优传输理论的基本概念和原 理，解释如何用最优传输理论的框架给出机器学习原理和特点的最优传输理论阐释。

https://marcocuturi.net/

成为VIP会员查看完整内容
https://marcocuturi.net/
【339页ppt】Optimal Transport
47

相关内容

可靠深度异常检测，34页ppt，Google Balaji Lakshminarayanan讲解
可靠深度异常检测，34页ppt，Google Balaji Lakshminarayanan讲解
专知会员服务
42+阅读 · 2021年10月1日
最新《深度学习不确定性导论》报告，Google大脑Balaji研究员，65页ppt
最新《深度学习不确定性导论》报告，Google大脑Balaji研究员，65页ppt
专知会员服务
79+阅读 · 2021年8月1日
【SIAM2021】机器学习最优传输，63页ppt教程
专知会员服务
45+阅读 · 2021年7月26日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
最新《理论计算科学导论》书稿，655页pdf
最新《理论计算科学导论》书稿，655页pdf
专知会员服务
100+阅读 · 2020年9月17日
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
专知会员服务
91+阅读 · 2020年7月16日
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
专知会员服务
64+阅读 · 2020年6月22日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
谷歌机器学习速成课程中文版pdf
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
专知会员服务
24+阅读 · 2019年10月30日
「因果推理」概述论文，13页pdf
「因果推理」概述论文，13页pdf
专知
16+阅读 · 2021年3月20日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知
15+阅读 · 2021年1月10日
最优传输理论和生成模型的几何观点
最优传输理论和生成模型的几何观点
PaperWeekly
9+阅读 · 2020年7月18日
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
专知
13+阅读 · 2020年7月16日
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
专知
18+阅读 · 2020年6月22日
【CMU-Spring2020课程】离散微分几何15讲，Discrete Differential Geometry
【CMU-Spring2020课程】离散微分几何15讲，Discrete Differential Geometry
专知
11+阅读 · 2020年3月26日
PyTorch 实战：计算 Wasserstein 距离
PyTorch 实战：计算 Wasserstein 距离
Python开发者
4+阅读 · 2019年3月19日
220页深度神经网络基础、理论与挑战PPT【下载】
220页深度神经网络基础、理论与挑战PPT【下载】
机器学习算法与Python学习
8+阅读 · 2018年9月12日
DeepMind高级研究员：重新理解GAN，最新算法、技巧及应用（59页PPT）
DeepMind高级研究员：重新理解GAN，最新算法、技巧及应用（59页PPT）
新智元
16+阅读 · 2018年2月5日
虚构的对抗，GAN with the wind
虚构的对抗，GAN with the wind
全球人工智能
4+阅读 · 2017年10月22日
Distribution-on-Distribution Regression via Optimal Transport Maps
Distribution-on-Distribution Regression via Optimal Transport Maps
Arxiv
0+阅读 · 2021年12月20日
DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python
Arxiv
0+阅读 · 2021年12月20日
Simplified decision making in the belief space using belief sparsification
Arxiv
0+阅读 · 2021年12月20日
Data Efficient Language-supervised Zero-shot Recognition with Optimal Transport Distillation
Arxiv
0+阅读 · 2021年12月20日
On the Erdős-Purdy problem and the Zarankiewitz problem for semialgebraic graphs
Arxiv
0+阅读 · 2021年12月19日
Probabilistic Inverse Optimal Transport
Arxiv
0+阅读 · 2021年12月17日
Learning Optimal Representations with the Decodable Information Bottleneck
Arxiv
6+阅读 · 2020年9月27日
Unsupervised Learning of Graph Hierarchical Abstractions with Differentiable Coarsening and Optimal Transport
Unsupervised Learning of Graph Hierarchical Abstractions with Differentiable Coarsening and Optimal Transport
Arxiv
3+阅读 · 2019年12月24日
Notes on Deep Learning for NLP
Arxiv
22+阅读 · 2018年8月30日
Optimal Transport for Multi-source Domain Adaptation under Target Shift
Arxiv
7+阅读 · 2018年3月13日
VIP会员
相关主题
最优传输
报告
相关VIP内容
可靠深度异常检测，34页ppt，Google Balaji Lakshminarayanan讲解
可靠深度异常检测，34页ppt，Google Balaji Lakshminarayanan讲解
专知会员服务
42+阅读 · 2021年10月1日
最新《深度学习不确定性导论》报告，Google大脑Balaji研究员，65页ppt
最新《深度学习不确定性导论》报告，Google大脑Balaji研究员，65页ppt
专知会员服务
79+阅读 · 2021年8月1日
【SIAM2021】机器学习最优传输，63页ppt教程
专知会员服务
45+阅读 · 2021年7月26日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知会员服务
74+阅读 · 2021年1月10日
最新《理论计算科学导论》书稿，655页pdf
最新《理论计算科学导论》书稿，655页pdf
专知会员服务
100+阅读 · 2020年9月17日
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
专知会员服务
91+阅读 · 2020年7月16日
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
专知会员服务
64+阅读 · 2020年6月22日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
246+阅读 · 2020年4月19日
谷歌机器学习速成课程中文版pdf
谷歌机器学习速成课程中文版pdf
专知会员服务
145+阅读 · 2019年12月4日
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
【ICCV 2019 Workshop】Geometric View of Optimal Transportation and Generative Adversarial Networks ，石溪大学，哈佛大学 顾险峰教授
专知会员服务
24+阅读 · 2019年10月30日
热门VIP内容
相关资讯
「因果推理」概述论文，13页pdf
「因果推理」概述论文，13页pdf
专知
16+阅读 · 2021年3月20日
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
【经典书】计算最优传输，209页pdf，Computational Optimal Transport
专知
15+阅读 · 2021年1月10日
最优传输理论和生成模型的几何观点
最优传输理论和生成模型的几何观点
PaperWeekly
9+阅读 · 2020年7月18日
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
【ICML2020-Tutorial】因果强化学习-CRL，147页ppt，哥伦比亚大学-Elias Bareinboim
专知
13+阅读 · 2020年7月16日
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
【MIT】最优传输图神经网络，Optimal Transport Graph Neural Networks
专知
18+阅读 · 2020年6月22日
【CMU-Spring2020课程】离散微分几何15讲，Discrete Differential Geometry
【CMU-Spring2020课程】离散微分几何15讲，Discrete Differential Geometry
专知
11+阅读 · 2020年3月26日
PyTorch 实战：计算 Wasserstein 距离
PyTorch 实战：计算 Wasserstein 距离
Python开发者
4+阅读 · 2019年3月19日
220页深度神经网络基础、理论与挑战PPT【下载】
220页深度神经网络基础、理论与挑战PPT【下载】
机器学习算法与Python学习
8+阅读 · 2018年9月12日
DeepMind高级研究员：重新理解GAN，最新算法、技巧及应用（59页PPT）
DeepMind高级研究员：重新理解GAN，最新算法、技巧及应用（59页PPT）
新智元
16+阅读 · 2018年2月5日
虚构的对抗，GAN with the wind
虚构的对抗，GAN with the wind
全球人工智能
4+阅读 · 2017年10月22日
相关论文
Distribution-on-Distribution Regression via Optimal Transport Maps
Distribution-on-Distribution Regression via Optimal Transport Maps
Arxiv
0+阅读 · 2021年12月20日
DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python
Arxiv
0+阅读 · 2021年12月20日
Simplified decision making in the belief space using belief sparsification
Arxiv
0+阅读 · 2021年12月20日
Data Efficient Language-supervised Zero-shot Recognition with Optimal Transport Distillation
Arxiv
0+阅读 · 2021年12月20日
On the Erdős-Purdy problem and the Zarankiewitz problem for semialgebraic graphs
Arxiv
0+阅读 · 2021年12月19日
Probabilistic Inverse Optimal Transport
Arxiv
0+阅读 · 2021年12月17日
Learning Optimal Representations with the Decodable Information Bottleneck
Arxiv
6+阅读 · 2020年9月27日
Unsupervised Learning of Graph Hierarchical Abstractions with Differentiable Coarsening and Optimal Transport
Unsupervised Learning of Graph Hierarchical Abstractions with Differentiable Coarsening and Optimal Transport
Arxiv
3+阅读 · 2019年12月24日
Notes on Deep Learning for NLP
Arxiv
22+阅读 · 2018年8月30日
Optimal Transport for Multi-source Domain Adaptation under Target Shift
Arxiv
7+阅读 · 2018年3月13日
微信扫码咨询专知VIP会员
Top