wasserstein距离_EMD(earth mover's distances)距离

最新推荐文章于 2022-11-23 16:00:43 发布
最新推荐文章于 2022-11-23 16:00:43 发布
阅读量1.1k 收藏 2
点赞数
文章标签： wasserstein距离
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39551188/article/details/113323921
版权
对于离散的概率分布，Wasserstein距离也被描述为推土距离(EMD)。如果我们将分布想象为两个有一定存土量的土堆，那么EMD就是将一个土堆 转换 为另一个土堆所需的最小总工作量。工作量的定义是 单位泥土 的总量乘以它移动的距离。两个离散的土堆分布记作 和 ，以以下两个任意的分布为例。有很多种推土的方式，我们的目标是找到其中工作量最少的那一种，这是个优化问题。直观理解，土堆 和 其中的单...
摘要由CSDN通过智能技术生成

对于离散的概率分布，Wasserstein距离也被描述为推土距离(EMD)。如果我们将分布想象为两个有一定存土量的土堆，那么EMD就是将一个土堆 转换 为另一个土堆所需的最小总工作量。工作量的定义是 单位泥土 的总量乘以它移动的距离。两个离散的土堆分布记作

equation?tex=P_%7Br%7D 和
equation?tex=P_%7B%5Ctheta%7D ，以以下两个任意的分布为例。

be6064d125539e238b4a98dbcc04a8c6.png

b474a698d6882ace7266f9018ec611bd.png

有很多种推土的方式，我们的目标是找到其中工作量最少的那一种，这是个优化问题。

直观理解，土堆

equation?tex=P_%7Br%7D 和
equation?tex=P_%7B%5Ctheta%7D其中的单个柱条记为
equation?tex=P_%7Br%7D%28x%29 he
equation?tex=P_%7B%5Ctheta%7D%28y%29，每一个
equation?tex=P_%7Br%7D%28x%29就是当前
equation?tex=x 位置土的存量，
equation?tex=P_%7B%5Ctheta%7D%28x%29指的是最终
equation?tex=x 位置要存放的土量。

如果

equation?tex=P_%7Br%7D%28x%29%3EP_%7B%5Ctheta%7D%28x%29：就要将
equation?tex=x 处多余的一部分（
equation?tex=P_%7Br%7D%28x%29-P_%7B%5Ctheta%7D%28x%29 这么多）土方搬运到别处；

如果

equation?tex=P_%7Br%7D%28x%29%3CP_%7B%5Ctheta%7D%28x%29：就要从其他处搬一部分将部分到
equation?tex=x 处，使得
equation?tex=x 处的土方存量为
equation?tex=P_%7B%5Ctheta%7D%28x%29 。

49dcbdd962256f056ef1d4a227de6982.png
注意从左到右的颜色小块的变动

对推土有了直观上的理解，我们就用数学的符号来定义搬运土方的工作量。

假设联合分布

最低0.47元/天 解锁文章
weixin_39551188
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
wasserstein 距离
NockinOnHeavensDoor的博客
08-25 1万+
注明：直观理解而已，正儿八经的严谨证明看最下面的参考。 Earth Mover’s Distance 推土机距离的例子：有一堆土的分布是 PrPrP_r, 其随机变量是xxx,现在要求把这堆土挪动成为分布 PgPgP_g ，其随机变量是yyy(图上是PθPθP_\theta)，这样做的方法很多，那么做最小功的挪动该是什么？这是一个优化问题对应着的最优解是： 这里Π(Pr,Pg...
计算机科学中的Kantorovich指标：简要概述
02-23
与其在数学中的大量应用相反，Kantorovich度量标准只是在最近几年才开始在计算机科学中受到关注。 我们简要概述了其在概率并发，图像检索，数据挖掘和生物信息学中的应用。 本文着重强调了Kantorovich度量作为通用数学工具在解决不相关领域中的各种问题方面的有用性。
Wasserstein距离（最优传输距离：
weixin_44862361的博客
06-28 2万+
wasserstein距离
【GANs学习笔记】（八）WGAN
a312863063的博客
10-30 1634
5. WGAN WGAN的全称是WassersteinGAN，它提出了用Wasserstein距离（也称EM距离）去取代JS距离，这样能更好的衡量两个分布之间的divergence。我们先介绍一下什么是EM距离。 5.1 EM距离 EM距离的全称是EarthMover（推土距离），它的定义非常直观：假设有两堆数据分布P和Q，看作两堆土，现在把P这堆土推成Q这堆土所需要的最少的距离就是EM距离。 ...
Wasserstein 距离：用于计算 1D 中的 1- 和 2-Wasserstein 距离的代码-matlab开发
05-31
此代码计算通过样本给出的两个均匀概率分布之间的 1-Wasserstein 距离和 2-Wasserstein 距离。 从图形上讲，它测量输入向量的（归一化）直方图之间的距离。 有关更多详细信息，请参阅 GitHub 存储库。
KL散度、JS散度、Wasserstein距离
qq_28792801的博客
07-30 5896
转自 https://zxth93.github.io/2017/09/27/KL%E6%95%A3%E5%BA%A6JS%E6%95%A3%E5%BA%A6Wasserstein%E8%B7%9D%E7%A6%BB/ 1. KL散度 KL散度又称为相对熵，信息散度，信息增益。KL散度是是两个概率分布P和Q 差别的非对称性的度量。 KL散度是用来 度量使用基于Q的编码来编码来自P的样本平均...
基于Wasserstein距离和_省略_类的风电_光伏经典场景集生成算法_王群.pdf
09-03
为了解决这一问题，"基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法"提出了一种创新的解决方案。 该研究首先引入了Wasserstein距离这一概念，这是一种衡量概率分布之间差异的度量方式。在...
基于Wasserstein距离和分裂Bregman方法的图像分割算法
01-27
采用Wasserstein距离作为区域直方图相似性测度，提出基于该测度的非参数活动轮廓分割模型。在模型求解时引入全局凸分割和分裂Bregman方法，减少了计算量。大量实验结果表明该模型不依赖初始轮廓曲线的位置，能够对...
Wasserstein:高效计算Wasserstein距离的PythonC ++库
04-13
瓦瑟施泰因 用于高效计算Wasserstein距离的Python / C ++库。 请参阅。 版权所有（C）2019-2021 Patrick T.Komiske III
从相空间到可积分表示和等级对偶
03-23
我们在S 2×S 1上明确找到了Chern-Simons物质理论的不同大N相的表示形式。这些表示形式由Young图表示。 我们证明了，Chern-Simons-matter理论的无间隙相和低间隙相对应于SU（N）k仿射李代数的可积表示，其中上盖相对应于SU（k-N）k的可积表示 仿射李代数。 我们使用[1]的相空间描述来获得这些表示，并争论对特征值分布设置上限如何迫使相应的表示可积分。 我们还证明，对应于下级间隙表示和上级表示形式的杨氏图通过级别-等级对偶下的换位相互关联。 最后，我们为这些相位绘制相空间液滴，并显示如何以统一的方式在这些液滴的拓扑结构中捕获有关特征值和Young图描述的信息。
点云损失函数Chamfer Distance 和 Earth Mover‘s Distance
qq_39964246的博客
08-12 5272
浅析点云损失函数Chamfer Distance 和 Earth Mover‘s Distance
从GAN到WGAN
最新发布
qq_36936443的博客
11-23 1228
生成对抗网络（GAN）在许多的用于复制真实世界中的丰富内容的生成式任务中取得了极为卓著的效果，如图片、语言和音乐。它起源于一个游戏理论：两个模型，一个生产者和一个审核者，它们互相竞争从而使得它们同时变得更好。然而，训练一个GAN模型是一个比较困难的事情，在训练时容易不稳定或者发生崩溃。 这里我将基于生成对抗网络中的一些数学知识，来解释为什么难以训练，并介绍一种GAN的改进版本来试图解决这个训练问题
wasserstein 距离（原理+Pytorch 代码实现）
qq_41645987的博客
08-09 1万+
1.原理 1.1 原论文 最初应用在生成模型上 《Wasserstein GAN》： https://arxiv.org/abs/1701.07875 1.2 全面介绍 https://zhuanlan.zhihu.com/p/25071913 1.3 优点 Wasserstein距离相比KL散度、JS散度的优越性在于，即便两个分布没有重叠，Wasserstein距离仍然能够反映它们的远近。 2.代码 import torch import torch.nn as nn # Adapted from h
Wasserstein距离
weixin_36670529的博客
04-05 2020
Wasserstein距离 Wasserstein距离度量两个概率分布之间的距离，定义如下： Π(P1,P2)是P1和P2分布组合起来的所有可能的联合分布的集合。对于每一个可能的联合分布γ，可以从中采样(x,y)∼γ得到一个样本x和y，并计算出这对样本的距离||x−y||，所以可以计算该联合分布γ下，样本对距离的期望值E(x,y)∼γ[||x−y||]。在所有可能的联合分布中能够对这个期望值取到的下界infγ∼Π(P1,P2)E(x,y)∼γ[||x−y||]就是Wasserstein距离。 直观上可
几个常用的计算两个概率分布之间距离的方法以及python实现
热门推荐
牧野的博客
09-29 2万+
1. 欧氏距离(Euclidean Distance) 欧氏距离源自欧氏空间中两点间的直线距离，是最常见的一种距离计算方式。计算公式是两个矩阵中对应元素之差的平方和再开方。 python实现： import numpy as np x = np.array([[1, 2, 3, 4],[5, 6, 7, 8]]) y = np.array([[5, 6, 7, 8],[1, 2, ...
从Wasserstein距离、对偶理论到WGAN
Paper weekly
02-02 6916
作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP，神经网络个人主页丨kexue.fm2017 年的时候笔者曾写过互怼的艺术：从零直达WGAN-GP，从一个相对通...
Wassertein距离详解
欢迎来到道的世界
03-06 3729
引言    WGAN的横空出世引出了一个更好度量两个概率分布差异的指标即Wassertein距离（或叫做推土机距离），它主要优势就在于该距离具有连续性的特质。TV散度和JS散度的缺点在于这两个距离不具有连续性，这会导致在神经网络参数优化的过程中梯度会消失，KL散度则是因为该距离不具有对称性即KL(p(x),p(y))≠KL(p(y),p(x))KL(p(x),p(y))\neq KL(p(y),p(x))KL(p(x),p(y))​=KL(p(y),p(x))。本文会从Monge问题开始详细介绍关于Wa

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值