【AISTATS2020接受论文】时空对齐，过空间和时间的最优transport（Spatio-Temporal Alignments: Optimal transport through space and time）

题目：* Spatio-Temporal Alignments: Optimal transport through space and time

摘要：

比较在空间和时间上定义的数据是出了名的困难，因为它涉及到对空间和时间可变性进行量化，同时还要考虑到数据的时间结构。动态时间扭曲(DTW)计算时间序列与时间顺序之间的最佳对齐，但在本质上不考虑空间变化。摘要提出了一种新的时间-空间比对算法，该算法利用正则化最优转移来处理时间样本间的空间差异。我们的时间对齐是通过一种称为软DTW的平滑变式来处理的，为此我们证明了一个新的性质:软DTW随时间的变化呈二次增长。我们使用的软dtw中的代价矩阵是用不平衡的OT来计算的，以处理观测值不是归一化概率的情况。手写字母和脑成像数据的实验证实了我们的理论发现，并说明STA作为时空数据的不同有效性。

作者简介：

Hicham Janati，三年级博士生，目前的工作是为神经科学设计具有最佳传输效果的机器学习模型。个人主页：https://hichamjanati.github.io/

Marco Cuturi，谷歌大脑研究科学家,巴黎理工学院CREST-ENSAE统计学教授，研究兴趣:机器学习，最优运输，优化，时间序列，内核。个人主页：http://marcocuturi.net/