研究者提出度量空间随机对象回归深度学习框架

研究者Matabuena等人提出了一种针对度量空间中随机对象回归的深度学习框架，旨在解决现有方法中常见的流形或欧几里得嵌入假设限制。 该方法通过直接利用响应空间的度量结构进行建模，理论层面证明了估计量的统计一致性与收敛速率，并明确了缓解维度灾难的适用条件。在实证方面，研究以Wasserstein空间为测试场域，利用数字健康领域的加速度计与连续血糖监测数据，展示了该方法在实际应用中的价值。

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。