Método de punto medio aleatorizado para muestreo log-cóncavo con restricciones
Descubre el método de punto medio aleatorizado para muestreo log-cóncavo con restricciones. Mejora la convergencia en difusiones de Langevin. Avances en IA y
#distancia de wasserstein
Geometría de la separación en mezclas Gaussianas finitas
Estudio geométrico revela cómo la separación mínima entre componentes afecta la convergencia en la estimación de parámetros de mezclas Gaussianas. ¡Más!
Variables Canónicas en el Espacio Métrico de Wasserstein
Descubre cómo las variables canónicas en el espacio métrico de Wasserstein mejoran la clasificación de distribuciones mediante la maximización de la razón de
Transporte Óptimo para Aprendices de Machine Learning
Descubre cómo el transporte óptimo revoluciona el machine learning: desde distancias de Wasserstein hasta modelos generativos. Una guía completa para
Suavizado Exponencial de Wasserstein
El Suavizado Exponencial de Wasserstein extiende el clásico ES a series de distribuciones. Descubre cómo estimar el parámetro de suavizado y sus aplicaciones en finanzas y energía.
Adaptando el ruido a los datos con flujos generativos
Aprende a adaptar el ruido latente usando funciones cuantiles para optimizar distribuciones previas en flujos generativos. Mejora el aprendizaje de colas pesada
Generación de medidas rectificables con redes neuronales
Descubre cómo las redes neuronales ReLU aproximan medidas rectificables con error mínimo en distancia de Wasserstein, mejorando tasas según el parámetro m.