度量空间中随机对象的深度学习：超越流形假设

研究者提出一种面向度量空间中随机对象回归的深度学习框架，直接基于响应空间的度量结构运算，摆脱了传统流形或欧氏嵌入假设。该方法在理论上具备统计一致性与收敛速度保证，并明确了缓解分层组合回归函数维度灾难的条件。在模拟实验以及基于高分辨率加速度计和连续血糖监测数据的数字健康案例中，该框架均展现出优异的预测性能。