基于 Wasserstein 自编码器与三角传输的条件采样

一篇发表于 arXiv 机器学习（cs.lg）领域的论文提出了条件 Wasserstein 自编码器（CWAEs）框架。该框架旨在利用条件变量与被条件变量的低维结构来实现条件模拟。【新】 论文通过修改解码器使用块三角结构并施加独立性假设，进一步探索了该模型与条件最优传输之间的数学联系。 数值实验结果表明，在低维支撑问题中，CWAE 变体相较于低秩集成卡尔曼滤波（LREnKF），实现了近似误差的显著降低，展示了其在特定条件下的性能优势。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。