Log-PCA para medidas de probabilidad: formulación dinámica y convergencia
Descubre cómo el Log-PCA con formulación dinámica captura variaciones principales en medidas de probabilidad bajo la geometría de Wasserstein. Conoce su
#espacio de wasserstein
Análisis Geodésico de Componentes Principales de Wasserstein
Descubre cómo el GPCA geodésico de Wasserstein identifica modos de variación en medidas de probabilidad usando redes neuronales. Aplicaciones reales.
Teoría del Aprendizaje Performativo: Predicciones que Cambian la Realidad
Descubre cómo las predicciones afectan su propio resultado. Analizamos el equilibrio entre cambiar el mundo y aprender de él con nuevos límites de generalización.