The Equivalence of Fourier-based and Wasserstein Metrics on Imaging Problems
我们研究一类基于傅立叶的概率距离的一些扩展的性质,最初引入研究收敛到平衡的空间齐次玻尔兹曼方程的解决方案。在与原来的不同,新的基于傅立叶的度量也定义良好的概率分布与不同的质量中心,和离散的概率测度支持一个规则的网格。在其他属性中,它示出,在离散设置中,这些新的基于傅立叶的度量是等价的欧几里得-Wasserstein距离$W_2$,或Kantorovich-Wasserstein距离$W_1$,具有明确的常数的等价。数值结果表明,在图像处理的基准问题,傅立叶度量提供了更好的运行时间相对于Wasserstein的。
2020-05-13 math-ph math.MP math.OC
A General Wasserstein Framework for Data-driven Distributionally Robust Optimization: Tractability and Applications
数据驱动的分布式鲁棒优化是一种新的研究范式,其目标是寻找一种由样本数据驱动但不受采样误差影响的解决方案。一种越来越流行的方法,称为Wasserstein分布鲁棒优化(DRO),通过应用Wasserstein度量来构建一个以经验分布为中心的球,并找到一个解决方案,该解决方案可以很好地对抗来自球的最具对抗性的分布。在本文中,我们提出了一个一般的框架,研究不同的选择的Wasserstein度量,并指出现有的选择的局限性。特别是,虽然从数据驱动的角度来看,选择更高阶的Wasserstein度量是可取的,但鉴于其不太保守的性质,这样的选择从鲁棒性的角度来看代价很高-它不再适用于许多实际关注的重尾分布。我们表明,这种看似不可避免的权衡可以解决我们的框架,在那里引入了一类新的Wasserstein指标,称为连贯的Wasserstein指标。像Wasserstein DRO一样,使用一致Wasserstein度量的分布鲁棒优化,称为广义Wasserstein分布鲁棒优化(GW-DRO),具有所有期望的性能保证:有限样本保证,渐近一致性和计算易处理性。GW-DRO中的最坏情况期望问题通常是一个非凸的最优化问题,但我们提供了新的分析来证明它的易处理性,而不依赖于常见的对偶方案。我们的框架,如本文所示,提供了一个富有成效的机会,设计新颖的Wasserstein DRO模型,可应用于各种情况下,如运营管理…
2022-07-19 math.OC
Metric Geometry of Lebesgue, Wasserstein, and Gromov-Wasserstein Spaces: Submetries, Curvature, and Geodesics
本文构建了Z-GW空间等三类关联空间的统一度量几何理论,明确了其间的次淹没映射结构,证明了不同p值下的测地性关系,刻画了Z-GW空间的测地线并分类了其Alexandrov曲率界。
2026-08-13 math.MG math.OC
Data-Driven Approximation of the Perron-Frobenius Operator Using the Wasserstein Metric
这篇手稿介绍了一个回归型配方近似的Perron-Frobenius算子依赖于分布快照的数据。这些快照可以表示粒子的密度。利用Wasserstein度量在分布空间中定义合适的函数优化。该公式允许寻找合适的动力学,以便在函数空间内插分配流。导出了最优性的一阶必要条件,并利用它构造了梯度流近似算法。该框架的例子与数值模拟。
2020-11-02 cs.SY eess.SY math.OC
Fast Sinkhorn I: An O(N) algorithm for the Wasserstein-1 metric
Wasserstein度量广泛应用于最优输运中,用于比较两个概率分布,在机器学习、信号处理、地震反演等领域都有成功的应用。然而,高计算复杂性是其实际应用的障碍。Sinkhorn算法是计算Wasserstein度量的主要方法之一,它解决了一个熵正则化最小化问题,它允许以O(N^2)的计算成本任意逼近Wasserstein度量。然而,其数值逼近的更高精度需要更多的Sinkhorn迭代与重复的矩阵向量乘法,这仍然是负担不起的。在这项工作中,我们提出了一个有效的实现Sinkhorn算法计算Wasserstein-1度量与O(N)的计算成本,达到最佳的理论复杂度。利用Sinkhorn核的特殊结构,将重复的矩阵-向量乘法运算转化为O(N)次乘法和加法运算,并采用秦九韶或Horner的多项式求值方法,得到了一种高效的多项式求值算法,同时又不失精度。此外,用于稳定迭代过程的对数域稳定化技术也可以应用于该算法中。我们的数值实验表明,新开发的算法是一个到三个数量级的速度比原来的Sinkhorn算法。
2022-02-21 math.OC
Transport type metrics on the space of probability measures involving singular base measures
本文在定义域$X \subseteq \mathbb{R}^m$上的概率测度$\mathcal P(X)$的集合上发展了一个度量理论,我们称之为基于$ν$的Wasserstein度量,记为$W_ν$.这个度量是基于广义测地线的概念相对于一个基本措施$ν$略有改进,特别是当$ν$是奇异的情况下,相对于$m$维勒贝格措施,它也是密切相关的线性化最佳运输的概念。$ν$为基础的Wasserstein度量定义的迭代变分问题,涉及最佳运输到$ν$,我们还描述了它在经典的Wasserstein距离之间的条件概率和通过限制某些多边际最佳运输问题的积分。当我们改变基测度$ν$时,基于$ν$的Wasserstein度量在通常的二次Wasserstein距离和与当$ν$充分正则时获得的唯一定义的广义测地线相关联的度量之间插值。当$ν$集中于$\mathbb{R}^m$的一个低维子流形时,我们证明了基于$ν$的Wasserstein距离定义中的变分问题有唯一解.我们建立测地凸的通常类的泛函和一组源措施$μ$,使$μ$和$ν$之间的最佳运输满足广义嵌套条件的加强介绍了\cite{McCannPass20}。最后,我们介绍了轻微的变化的对偶度量上述为了证明收敛的迭代方案,以解决变分问题中出现的博弈论。
2022-09-15 cs.NA math.AP math.NA
Minimax Q-learning Control for Linear Systems Using the Wasserstein Metric
随机最优控制通常需要一个具有概率分布的显式动力学模型,而这在实际中是很难获得的。本文研究了未知线性系的线性二次型调节器(LQR)问题,并采用Wasserstein罚函数来处理加性随机扰动的分布不确定性。通过构造惩罚LQR问题的一个等价的确定性博弈,我们提出了一种具有收敛保证的Q-学习方法来学习最优极小极大控制器。
2023-01-16 cs.SY eess.SY math.OC
Network Consensus in the Wasserstein Metric Space of Probability Measures
本文介绍了实直线上概率测度的Wasserstein度量空间中的分布一致性。在弱网络连通性条件下,证明了每个智能体的测度收敛于一个公共测度。在每个代理达到的共同措施是一个最小化其Wasserstein距离的加权和所有初始代理措施。这种测量被称为瓦瑟斯坦重心。特殊情况下,涉及高斯措施,经验措施,和时不变的网络拓扑结构被认为是收敛速度和平均一致的结果。这项工作可能适用于计算机视觉,机器学习,聚类和估计。
2021-10-01 math.OC
Metric extrapolation in the Wasserstein space
研究 Wasserstein 空间中通过允许负系数将极小测地线延拓至所有时间的变分问题,证明其存在 Toland 对偶与重心最优传输两种等价凸表述,并提出基于熵正则化与 Sinkhorn 算法变体的高效数值求解方案。
2025-05-05 math.OC
A Wasserstein-type metric for generic mixture models, including location-scatter and group invariant measures
在这篇文章中,我们研究了Wasserstein型度量和相应的重心的混合物的一个选定的子集的概率测度以下称为原子。特别是,这项工作扩展了Delon和Desolneux提出的[A Wasserstein-Type Distance in the Space of Gaussian Mixture Models. SIAM J. Imaging Sci. 13,936-970(2020)]对于高斯测度与其他混合物的混合物。我们首先证明了在一个一般的设置,一组原子配备了一个度量,定义了一个测地空间,这组原子的基础上的混合物的集合也是测地空间的定义修改Wasserstein度量。然后,我们集中在两个特殊情况下的原子集:(i)的位置散射原子和(ii)的一套措施,是不变的一些对称群。这两种情况是特别相关的各种应用程序,其中电子结构计算。一路上,我们还证明了一些稀疏性和对称性的最优输运计划之间的措施,是不变的一些精心选择的对称性。
2023-01-19 math.OC math.PR
Data-driven distributionally robust MPC using the Wasserstein metric
提出了一种基于分布鲁棒优化的数据驱动MPC方案,用于安全控制约束随机线性系系统。基于Wasserstein度量的分布鲁棒约束被施加到存在过程扰动的状态约束违反。一个反馈控制法律解决,以保证预测的状态符合约束。关于Wasserstein球内以其离散经验概率分布为中心的最坏情况分布,满足随机约束。所得到的分布式鲁棒MPC框架是计算上易处理的和高效的,以及递归可行的。这种方法的创新之处在于,所有关于不确定性的信息都可以从数据中凭经验确定。通过数值算例验证了该方法的有效性。
2021-05-18 cs.SY eess.SY math.OC
Decomposition Algorithm for Distributionally Robust Optimization using Wasserstein Metric
我们研究分布鲁棒优化(DRO)问题的模糊集定义使用Wasserstein度量。我们表明,这类DRO问题可以重新表述为半无限的程序。对于一般的非线性模型,我们给出了一个交换方法来解决重构问题;对于凸模型,我们给出了一个中心切割面方法,假设我们有一个分离预言。我们使用了一个分布鲁棒推广的逻辑斯谛回归模型来测试我们的算法。分布鲁棒逻辑斯谛回归模型的数值实验表明,oracle调用的数量通常为20?50,达到5位精度。通过模型找到的解决方案通常在预测能力方面更好,具有较小的标准误差。
2017-04-12 math.OC
Data-driven Distributionally Robust Optimization Using the Wasserstein Metric: Performance Guarantees and Tractable Reformulations
我们考虑随机程序的不确定参数的分布只能通过有限的训练数据集观察。使用Wasserstein度量,我们在(多变量和非离散)概率分布的空间中构建一个球,该球以训练样本的均匀分布为中心,并且我们在这个Wasserstein球内寻找最差情况分布的最佳决策。用于解决由此产生的分布鲁棒最优化问题的最先进的方法依赖于全局优化技术,这很快变得计算上的折磨。在本文中,我们证明了,在温和的假设下,分布鲁棒最优化问题在Wasserstein球实际上可以重新制定为有限凸规划-在许多有趣的情况下,甚至作为易处理的线性规划。利用最近的测量浓度结果,我们还表明,他们的解决方案享有强大的有限样本性能保证。我们的理论结果在均值-风险投资组合优化和不确定性量化中得到了验证。
2017-06-13 math.OC stat.CO
Quadratic Wasserstein metrics for von Neumann algebras via transport plans
我们展示了如何可以获得一类二次Wasserstein度量,也就是说,Wasserstein度量的顺序为2,对冯诺依曼代数$A$的忠实的正常状态的集合,通过运输计划,而不是通过一个动态的方法。两个关键点,使这项工作,是一个合适的公式所产生的富田-竹崎理论和相对张量积双模(或对应的意义下的Connes)的运输成本。三角不等式、对称性和$W_{2}(μ,μ)=0$都是相当普遍的,但是为了证明$W_{2}(μ,ν)=0$蕴涵$μ=ν$,我们需要假设$A$是逆生成的。
2022-11-02 math-ph math.MP math.OA
Relation between the Kantorovich-Wasserstein metric and the Kullback-Leibler divergence
讨论了Kantorovich-Wasserstein(KW)度量与Kullback-Leibler(KL)散度之间的关系。前者是使用Kantorovich公式中的最优运输问题(OTP)定义的。后者用于定义熵和互信息,它们出现在从率失真和信息论值寻找最优信道的变分问题中。我们发现,OTP是等价于OCP与一个额外的约束固定的输出测量,因此OCP与约束的KL发散给出了一个下界的KW度量。OTP的对偶公式允许我们使用基于余弦定律的KL-发散分解来探索KL-发散和KW-度量之间的关系。这样,我们使用变分原理和几何原理来显示两个发散之间的联系。
2019-08-24 cs.IT math.IT math.OC
A canonical barycenter via Wasserstein regularization
在度量测度空间$(X, d, {\bf m})$上引入概率测度$μ$的重心的弱概念,度量$d$和参考测度${\bf m}$ .在最优输运计划由映射给出的假设下,证明了我们的重心$B(μ)$是定义良好的,它是$X$上的概率测度,它支持给定测度$μ$的通常度量重心点集.该定义使用度量空间$X$到其Wasserstein空间$P(X)$的规范嵌入,将给定的度量$μ$向前推到$P(X)$上的度量。然后利用Wasserstein距离将该测度正则化到参考测度${\bf m}$,得到了一个唯一定义的测度,该测度是在$X$的重心点上支撑的.我们研究了$B(μ)$的各种性质
2017-03-28 math.AP math.DG math.OC
Formation Shape Control using the Gromov-Wasserstein Metric
Graduate School of Informatics, Kyoto University(京都大学情报学研究科)
本文提出一种基于Gromov-Wasserstein度量的最优控制编队形状控制算法,将问题转化为NP难问题,并采用半定松弛技术求解,通过数值示例验证。
2025-03-27 cs.LG cs.MA cs.SY
Accelerated Information Gradient flow
我们提出了一个框架Nesterov的加速梯度流在概率空间设计有效的平均场马尔可夫链蒙特卡罗(MCMC)算法的贝叶斯逆问题。本文考虑了四种信息度量的例子,包括Fisher-Rao度量、Wasserstein-2度量、Kalman-Wasserstein度量和Stein度量。对于Fisher-Rao和Wasserstein-2度量,我们证明了加速梯度流的收敛性质。在实现中,我们提出了一个采样有效的离散时间算法的Wasserstein-2,Kalman-Wasserstein和Stein加速梯度流与重新启动技术。我们还制定了一个核带宽选择方法,学习密度的对数梯度从布朗运动样本。数值实验,包括贝叶斯逻辑斯谛回归和贝叶斯神经网络,表明所提出的方法相比,国家的最先进的算法的强度。
2022-06-23 cs.IT math.IT math.OC
Tropical Optimal Transport and Wasserstein Distances
研究热带几何中的最优输运问题,在热带投影环面的连续度量测度空间中定义了Wasserstein- $p$距离.我们指定的热带度量-组合度量,已被用来研究的热带几何空间的系统发育树-作为地面度量和研究的情况下,$p=1,2$详细。$p=1$的情形给出了热带射影环面上无穷多测地线的有效计算,而$p=2$的情形给出了Fréchet平均的形式和一般的内积结构。我们的研究结果也提供了理论基础的几何洞察力的统计框架,在热带几何设置。我们构造显式算法计算热带Wasserstein-1和2距离,并证明其收敛性。我们的结果提供了第一个研究的Wasserstein距离和最优输运在热带几何。提供了几个数值例子。
2021-05-17 math.MG math.OC math.ST
Smoothing inequalities for transport metrics in compact spaces
本文在紧致流形上建立了Wasserstein度量与傅里叶变换之间的上界估计,首次覆盖$p$全范围,并应用于证明球面设计的最优均匀性。
2025-10-24 math.CA math.OC math.PR
Multi-period Mean-Expectile Portfolio Optimization under Wasserstein Ambiguity: Reformulation, Degeneracy and the Role of the Ground Metric
Indian Institute of Technology Delhi(印度德里理工学院)
该研究针对Wasserstein模糊下多周期均值-期望投资组合优化的难题,开发最坏情况期望损失的包络定理重构模型,经90个富时成分股3341个交易日数据验证,所提期望损失模型优于匹配条件的CVaR模型。
2026-10-09 math.OC q-fin.CP
Statistical learning in Wasserstein space
我们寻求回归和主成分分析(PCA)在度量空间的数据点的分布度量的Wasserstein度量的推广。我们将这些分析转化为多边际最优输运问题。特定的配方允许有效的计算,确保存在的最优解,并承认概率的解释路径(线段)的空间。应用该理论的插值经验分布,图像,功率谱,以及评估试验设计中的不确定性,设想。
2020-04-16 math.OC math.PR
Distributionally Robust Joint Chance-Constrained Programming with Wasserstein Metric
在本文中,我们开发了一个精确的重新制定和一个确定性近似的分布鲁棒联合机会约束规划(DRCCP)与一般类的凸不确定性约束下的数据驱动Wasserstein模糊集。已知鲁棒机会约束可以保守地近似为最坏情况条件风险价值(CVaR)约束。结果表明,所提出的最坏情况CVaR近似模型可以转化为一个联合DRCCP的双凸约束最优化问题.然后,我们推导出一个凸松弛的近似模型,通过构造新的决策变量,使我们能够消除双凸项。具体地说,当约束函数是仿射的决策变量和不确定性,然后得到的近似模型是相当于一个易于处理的混合整数凸联合二进制DRCCP重新制定。数值结果表明了所提出的公式的计算有效性和优越性。
2022-09-05 math.OC
Procrustes Wasserstein Metric: A Modified Benamou-Brenier Approach with Applications to Latent Gaussian Distributions
Universität Leipzig(莱比锡大学);Max Planck Institute for Mathematics in the Sciences(马克斯·普朗克数学与科学研究所)
本研究提出改进的Benamou-Brenier型方法,得到具备等距不变性的Procrustes Wasserstein度量,证明高斯分布下该距离等价于有序特征值向量的欧氏距离,可应用于隐高斯分布恢复。
2025-03-20 cs.LG math.OC math.PR
Wasserstein Contraction of Stochastic Nonlinear Systems
我们建议确定性系统的收缩分析工具可以应用于研究随机动力系统在Wasserstein度量下的收敛行为。特别是,我们认为伊藤扩散相同的动力学,但不同的初始条件分布的情况下。如果漂移项的扩散收缩,那么我们表明,任何两个解决方案的法律之间的Wasserstein距离可以有界的初始条件分布之间的Wasserstein距离。对初始条件的依赖性在时间上以无噪声动力学的收缩率所支配的速率指数衰减。选择Wasserstein度量提供了几个优点:它捕获了空间的基本几何形状,可以有效地从样本中估计,并提出了一个观点,开始弥合文献中不同领域之间的差距。
2019-02-28 math.OC
Slicing Wasserstein Over Wasserstein Via Functional Optimal Transport
Institut für Mathematik, Technische Universität Berlin(数学研究所,柏林技术大学)
本文提出双切片 Wasserstein 度量,通过函数最优传输方法替代传统 WoW 距离,实现计算稳定性和效率提升。
2026-02-19 cs.LG math.MG math.OC
Wasserstein Distance to Independence Models
离散随机变量的独立模型是概率单形中的Segre-Veronese簇。随机变量的联合状态集合上的任何度量都导出概率单形上的Wasserstein度量。这个多面体范数的单位球是Lipschitz多面体的对偶。给定任何数据分布,我们寻求将其Wasserstein距离最小化到固定的独立模型。该最优化问题的解是数据的分段代数函数。我们计算这个函数明确在小的情况下,我们研究其组合结构和代数度在一般情况下,我们提出了一些实验案例研究。
2020-10-15 math.OC math.ST stat.TH
High-dimensional Optimal Density Control with Wasserstein Metric Matching
针对高维状态空间下的多智能体密度控制问题,提出基于深度网络降阶建模与Wasserstein度量匹配的框架,通过高效数值算法求解鞍点问题,经数值实验验证了方法性能。
2023-07-24 math.OC
Minkowski-Type Wasserstein Metrics and Barycenters for Location-Scale Mixtures with Application to Domain Adaptation
Fudan University(复旦大学)
针对离散最优传输计算复杂度高的问题,提出基于广义Minkowski不等式的框架,将Wasserstein型度量和重心扩展到有限位置-尺度混合模型,通过将连续多边缘OT简化为混合成分间的离散传输,实现计算复杂度线性于样本量,并在VisDA-C基准上验证了效果。
2026-06-26 math.OC
p-Wasserstein distances on networks and 3D to 1D convergence
Helmholtz Imaging, Deutsches Elektronen-Synchrotron DESY(亥姆霍兹成像,德国电子同步辐射中心);Fachbereich Mathematik, Universität Hamburg(汉堡大学数学系);Applied and Computational Mathematics, Yale University(耶鲁大学应用与计算数学);Universität Augsburg, Institut für Mathematik and Centre for Advanced Analytics and Predictive Sciences (CAAPS)(奥格斯堡大学数学研究所及高级分析与预测科学中心)
本文研究了度量图上p-Wasserstein距离的计算及三维网络向一维网络收敛的特性,通过证明最优运输计划的循环单调性来展示距离收敛性。
2026-01-20 math.AP math.OC
The Unbalanced Gromov Wasserstein Distance: Conic Formulation and Relaxation
比较度量测度空间(即具有概率分布的度量空间)是许多机器学习问题的核心。这种度量测度空间之间最流行的距离是Gromov-Wasserstein(GW)距离,它是二次指派问题的解。然而,GW距离限于被赋予概率分布的度量测度空间的比较。为了解决这个问题,我们引入了两个非平衡Gromov-Wasserstein公式:距离和更易处理的上界松弛,它们都允许比较度量空间配备了任意正测度,直到等距。第一个配方是一个积极的和明确的分歧的基础上放松的质量守恒约束,使用一种新型的二次齐次发散。这种发散与熵正则化方法携手工作,熵正则化方法是解决大规模最优输运问题的流行方法。我们表明,基本的非凸优化问题可以有效地解决使用高度并行化和GPU友好的迭代计划。第二个公式是基于圆锥提升的直到等距的mm空间之间的距离。最后,我们提供了数值实验合成的例子和域适应数据与积极的未标记的学习任务,突出的不平衡的分歧及其在ML中的潜在应用的显着特点。
2023-01-16 math.OC stat.ML
Quantum statistical learning via Quantum Wasserstein natural gradient
在这篇文章中,我们介绍了一种新的方法来近似的目标量子态$ρ_{\star}$的统计学习问题$\operatorname{argmin}_{ρ(θ) \in \mathcal P_θ} W_{Q}^2 (ρ_{\star},ρ(θ))$的一组参数化的量子态$ρ(θ)$在量子$L^2$ -Wasserstein度规。我们解决这个估计问题,考虑Wasserstein自然梯度流的密度算子有限维$C^*$代数。对于密度算子的连续参数模型,我们拉回量子Wasserstein度量,使得参数空间成为具有量子Wasserstein信息矩阵的黎曼流形。使用量子类似的Benamou-Brenier公式,我们推导出一个自然的梯度流的参数空间。我们还讨论了某些连续变量的量子态,通过研究相关的维格纳概率分布的输运。
2020-08-25 cs.IT math-ph math.IT
Minimax control of ambiguous linear stochastic systems using the Wasserstein metric
针对实际随机系统中分布信息不准确的问题,提出了一种极大极小线性二次型控制方法。为了构建一个控制策略,是强大的不确定性的经验分布的错误,我们的方法是采用对手,选择最坏的情况下的分布。为了系统地调整我们的方法的保守性,对手会收到与Wasserstein度量偏离经验分布的量成比例的惩罚。在有限时域的情况下,使用Riccati方程,我们推导出一个封闭形式的表达的唯一的最优策略和对手的政策,产生的最坏情况下的分布。这个结果,然后扩展到无限地平线设置识别条件下,Riccati递归收敛到唯一的半正定解相关的代数Riccati方程(ARE)。所得到的最优策略,以稳定的期望值的系统状态下的最坏情况下的分布。我们还讨论了我们的方法可以被解释为分布推广的$H_\infty$ -方法。
2020-03-30 cs.SY eess.SY math.OC
Spherical Harmonic Sliced Wasserstein Displacement Interpolation for Acoustic Source and Reflection Density Modeling
NuSpace Audio
本文提出球谐切片Wasserstein插值方法,用于声源与反射密度建模,通过新展开高效拟合密度并评估插值,实验证明优于线性与几何插值并实现模型降阶。
2026-09-21 cs.SD eess.AS eess.SP
High-Confidence Attack Detection via Wasserstein-Metric Computations
研究了线性信息物理系统的传感器攻击与故障检测问题,系统噪声服从未知的光尾分布。我们提出了一种新的基于阈值的检测机制,采用Wasserstein度量,并保证系统性能具有高置信度,采用有限数量的测量。建议的检测器可能会产生错误警报率$Δ$在正常操作中,其中$Δ$可以被调整到任意小的基准分布,这是我们的机制的一部分。因此,所提出的检测器是敏感的传感器攻击和故障具有统计行为,这是不同于系统的噪声。我们量化了隐形攻击的影响-其目的是扰乱系统运行,同时产生与自然系统噪声一致的假警报-通过概率可达集。为了使我们的方法易于实现,我们提出了一个线性最优化问题,计算建议的检测措施和半定的程序,产生建议的可达集。
2020-05-22 cs.SY eess.SY math.DS