面向潜空间探索的有向 Randers 几何学习

研究人员提出一种 Finsler-Randers 度量学习框架，通过引入方向相关距离解决潜空间缺乏显式几何结构的问题。传统插值方法与黎曼度量依赖对称转移代价，无法有效捕捉肿瘤生长或认知退化等具有单向不可逆性的演变过程。该框架支持计算遵循单调序列约束的轨迹，在受控横截面数据集上展现了潜空间插值与外推能力。