函数流匹配的离散化与统计一致性

函数流匹配在有限网格观测下的统计一致性得到理论证明，研究基于 Wasserstein 距离给出了生成分布与目标分布的误差界。论文证明了训练速度目标在有限重建收敛下的均方收敛性，同时分离了观测、学习、数值与端点误差。针对表示速度场的归一化求积神经算子，建立了与传感器数量无关的稳定性及学习界，统计超额风险达到近样本量倒数速率。