Buchumschlag

A Spectral-Grassmann Wasserstein metric for operator representations of dynamical systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Germain, Thibaut, Flamary, Rémi, Kostic, Vladimir R., Lounici, Karim
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Geometric Dictionary Learning of Dynamical Systems with Optimal Transport
von: Germain, Thibaut, et al.
Veröffentlicht: (2026)

Learning invariant representations of time-homogeneous stochastic dynamical systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2023)

Toeplitz Based Spectral Methods for Data-driven Dynamical Systems
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2026)

Toward Scalable and Valid Conditional Independence Testing with Spectral Representations
von: Frohlich, Alek, et al.
Veröffentlicht: (2025)

Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment
von: Gnassounou, Théo, et al.
Veröffentlicht: (2024)

CoHiRF: Hierarchical Consensus for Interpretable Clustering Beyond Scalability Limits
von: Meziani, Katia, et al.
Veröffentlicht: (2025)

VertCoHiRF: Decentralized Vertical Clustering Beyond k-means
von: Belucci, Bruno, et al.
Veröffentlicht: (2026)

Properties of Discrete Sliced Wasserstein Losses
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

Outcome-Aware Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

Learning the Infinitesimal Generator of Stochastic Diffusion Processes
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Laplace Transform Based Low-Complexity Learning of Continuous Markov Semigroups
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein
von: Van Assel, Hugues, et al.
Veröffentlicht: (2024)

Unsupervised Learning for Optimal Transport plan prediction between unbalanced graphs
von: Mazelet, Sonia, et al.
Veröffentlicht: (2025)

Weakly supervised covariance matrices alignment through Stiefel matrices estimation for MEG applications
von: Collas, Antoine, et al.
Veröffentlicht: (2024)

Equivariant Representation Learning for Symmetry-Aware Inference with Guarantees
von: Ordoñez-Apraez, Daniel, et al.
Veröffentlicht: (2025)

kooplearn: A Scikit-Learn Compatible Library of Algorithms for Evolution Operator Learning
von: Turri, Giacomo, et al.
Veröffentlicht: (2025)

PSDNorm: Test-Time Temporal Normalization for Deep Learning in Sleep Staging
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

Repulsive Monte Carlo on the sphere for the sliced Wasserstein distance
von: Petrovic, Vladimir, et al.
Veröffentlicht: (2025)

AdaCap: An Adaptive Contrastive Approach for Small-Data Neural Networks
von: Belucci, Bruno, et al.
Veröffentlicht: (2025)

A randomized algorithm to solve reduced rank operator regression
von: Turri, Giacomo, et al.
Veröffentlicht: (2023)

Demystifying Spectral Feature Learning for Instrumental Variable Regression
von: Meunier, Dimitri, et al.
Veröffentlicht: (2025)

A conversion theorem and minimax optimality for continuum contextual bandits
von: Akhavan, Arya, et al.
Veröffentlicht: (2024)

Neural Optimal Transport Meets Multivariate Conformal Prediction
von: Kondratyev, Vladimir, et al.
Veröffentlicht: (2025)

Differentiable Expectation-Maximisation and Applications to Gaussian Mixture Model Optimal Transport
von: Boïté, Samuel, et al.
Veröffentlicht: (2025)

The quest for the GRAph Level autoEncoder (GRALE)
von: Krzakala, Paul, et al.
Veröffentlicht: (2025)

Any2Graph: Deep End-To-End Supervised Graph Prediction With An Optimal Transport Loss
von: Krzakala, Paul, et al.
Veröffentlicht: (2024)

CF-OPT: Counterfactual Explanations for Structured Prediction
von: Vivier-Ardisson, Germain, et al.
Veröffentlicht: (2024)

An Empirical Bernstein Inequality for Dependent Data in Hilbert Spaces and Applications
von: Mirzaei, Erfan, et al.
Veröffentlicht: (2025)

Conformal Graph Prediction with Z-Gromov Wasserstein Distances
von: Melo, Gabriel, et al.
Veröffentlicht: (2026)

MSAlign: Aligning Molecule and Mass Spectra Foundation Models for Metabolite Identification
von: Krzakala, Paul, et al.
Veröffentlicht: (2026)

Reconstructing discrete measures from projections. Consequences on the empirical Sliced Wasserstein Distance
von: Tanguy, Eloi, et al.
Veröffentlicht: (2023)

Fast unsupervised ground metric learning with tree-Wasserstein distance
von: Düsterwald, Kira M., et al.
Veröffentlicht: (2024)

Spectral bandits for smooth graph functions with applications in recommender systems
von: Kocák, Tomáš, et al.
Veröffentlicht: (2026)

Geometry of Relaxed Fair Regression: A Unified Framework for Aware and Unaware Settings
von: Lince, M. Generali, et al.
Veröffentlicht: (2026)

From Biased to Unbiased Dynamics: An Infinitesimal Generator Approach
von: Devergne, Timothée, et al.
Veröffentlicht: (2024)

Revisiting RIP guarantees for sketching operators on mixture models
von: Belhadji, Ayoub, et al.
Veröffentlicht: (2023)

Spectral Thompson sampling
von: Kocak, Tomas, et al.
Veröffentlicht: (2026)

Learning functions, operators and dynamical systems with kernels
von: Rosasco, Lorenzo
Veröffentlicht: (2025)

Spectral bandits for smooth graph functions
von: Valko, Michal, et al.
Veröffentlicht: (2026)