Zobrazeno 1 - 10
of 40
pro vyhledávání: '"Sinkhorn divergence"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Risman Adnan, Muchlisin Adi Saputra, Junaidillah Fadlil, Martianus Frederic Ezerman, Muhamad Iqbal, Tjan Basaruddin
Publikováno v:
IEEE Access, Vol 9, Pp 67595-67609 (2021)
Sinkhorn divergence is a symmetric normalization of entropic regularized optimal transport. It is a smooth and continuous metrized weak-convergence with excellent geometric properties. We use it as an alternative for the minimax objective function in
Externí odkaz:
https://doaj.org/article/b5aecb46467d47f0acda5686ccb49703
Autor:
Risman Adnan, Muchlisin Adi Saputra, Junaidillah Fadlil, Martianus Frederic Ezerman, Muhamad Iqbal, Tjan Basaruddin
Publikováno v:
IEEE Access, Vol 9, Pp 144361-144374 (2021)
Entropy regularized optimal transport (EOT) distance and its symmetric normalization, known as the Sinkhorn divergence, offer smooth and continuous metrized weak-convergence distance metrics. They have excellent geometric properties and are useful to
Externí odkaz:
https://doaj.org/article/7b9a0984725e47ac9e23c175e159457b
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Dillén, Ludvig
As the demand for 3D maps from LIDAR scanners increases, delivering high-quality maps becomes critical. One way to ensure the quality of such maps is through point cloud alignment classification, which aims to classify the alignment error between two
Externí odkaz:
http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-198411
A unsupervised learning approach for the computation of an explicit functional representation of a random vector Y is presented, which only relies on a finite set of samples with unknown distribution. Motivated by recent advances with computational o
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::e6c39bdf617c2815dd72784bf22a1dc3