研究者提出用于子集对齐的动态神经最优传输框架

1. 12:00
   arXiv 机器学习

   用于子集对齐的动态神经最优传输

   研究人员提出了一种面向子集对齐的动态神经最优传输框架，用于将源分布映射到密度比限制在 $[0, c]$ 内的重加权目标子群体。该方法采用双神经网络架构，分别参数化定义速度场兼约束条件的时变势函数，以及源分布与所学终端分布之间的插值过程。该方案在正样本和无标记学习、非配对域迁移及轨迹推断任务上完成了验证。

当前热度 8·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。