arXiv stat.ML· Ansh Desai, Jason Liu, Srujan Roplekar, Matthew Rosenzweig·· 12 天前AI 评分25
基于能量核的最大均值差异（MMD）的跳跃修正 Wasserstein 梯度流研究
A Jump-Modified Wasserstein Gradient Flow for Maximum Mean Discrepancy with Energy Kernels
AI 导读
研究者提出了一种针对能量核（$K(z)=-|z|^q$, $0<q<2$）最大均值差异（MMD）的跳跃修正 Wasserstein 梯度流，并在亚临界密度和有限矩假设下证明了全局适定性。引入的跳跃机制将质量转移至变分更小的区域，并与输运项耗散相同的 MMD 能量，确保具有有限二阶矩的数据无需额外假设即可收敛至目标分布。研究还构建了能量非增且无碰撞的粒子过程，并给出了定量平均场估计。
来源：arXiv stat.ML · arxiv.org