arXiv 机器学习· Aoran Zhang, C\'esar A. Uribe·· 5 小时前AI 评分30
面向可行 Gromov-Wasserstein 学习的自适应 Bregman 交替投影算法
Adaptive Bregman Alternating Projections for Feasible Gromov-Wasserstein Learning
AI 导读
新提出的 A-KL-BAPG 算法结合固定惩罚预热与递增惩罚阶段，有效解决了 Gromov-Wasserstein 学习中的可行性差距问题。该方法在理论上证明可行性差距渐近消失，并提供了原问题的平稳性保证。在图对齐等实验中，A-KL-BAPG 在保持精度的同时，将边际可行性差距降低了 62-99%，投影平稳性残差降低了 28-98%。
来源：arXiv 机器学习 · arxiv.org