刷新
{{item.name}}会员
Fast Optimal Transport and Applications to Inference and Simulation in Large Scale Statistical Machine Learning
快速优化传输以及大规模统计机器学习中推理和仿真的应用
基本信息
- 批准号：26700002
- 负责人：
- 金额：$ 16.06万
- 依托单位：
- 依托单位国家：日本
- 项目类别：Grant-in-Aid for Young Scientists (A)
- 财政年份：2014
- 资助国家：日本
- 起止时间：2014-04-01 至 2017-03-31
- 项目状态：已结题
- 来源：
- 关键词：
项目摘要
项目成果
期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Wasserstein Barycentric Coordinates: Histogram Regression Using Optimal Transport
- DOI：10.1145/2897824.2925918
- 发表时间：2016-07-01
- 期刊：
- 影响因子：6.2
- 作者：Bonneel, Nicolas;Peyre, Gabriel;Cuturi, Marco
- 通讯作者：Cuturi, Marco
New Approaches to Learn with Probability Measures using Fast Optimal Transport
使用快速最优传输进行概率测量学习的新方法
- DOI：
- 发表时间：2015
- 期刊：
- 影响因子：0
- 作者：A. Gramfort;G. Peyre;M. Cuturi;M. Cuturi
- 通讯作者：M. Cuturi
An overview of Wasserstein barycenter algorithms
Wasserstein 重心算法概述
- DOI：
- 发表时间：2015
- 期刊：
- 影响因子：0
- 作者：A. Gramfort;G. Peyre;M. Cuturi;M. Cuturi;M. Cuturi;M. Cuturi;M. Cuturi;M. Cuturi
- 通讯作者：M. Cuturi
Principal Geodesic Analysis for Probability Measures under the Optimal Transport Metric
- DOI：
- 发表时间：2015-06
- 期刊：
- 影响因子：0
- 作者：Vivien Seguy;Marco Cuturi
- 通讯作者：Vivien Seguy;Marco Cuturi
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
数据更新时间：{{ journalArticles.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ monograph.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ sciAawards.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ patent.updateTime }}
CUTURI Marco其他文献
CUTURI Marco的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
{{ truncateString('CUTURI Marco', 18)}}的其他基金
Empirical Bayes Kernels: Unsupervised Kernel Learning
经验贝叶斯核：无监督核学习
- 批准号：
25540100 - 财政年份：2013
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Challenging Exploratory Research
New approaches for the analysis ofcomplex time-series using kernel methods.
使用核方法分析复杂时间序列的新方法。
- 批准号：
23700172 - 财政年份：2011
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Young Scientists (B)
相似海外基金
数理最適化と機械学習の融合解法による脱炭素エネルギーネットワークの多目的最適設計
采用数学优化和机器学习融合方法的脱碳能源网络多目标优化设计
- 批准号：
24K08326 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
確率測度最適化法に基づく適応的機械学習アルゴリズムの研究
基于概率测度优化方法的自适应机器学习算法研究
- 批准号：
23K24906 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
制約付き最適化問題に対する部分空間法の構築と機械学習への応用
约束优化问题的子空间方法的构建及其在机器学习中的应用
- 批准号：
23K28041 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
機械学習と探索の協調による高性能最適化アルゴリズム
基于机器学习与探索协作的高性能优化算法
- 批准号：
23K20387 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
機械学習を用いた最適化問題の自動モデリングと構造を利用したアルゴリズムの開発
使用机器学习自动建模优化问题并使用结构开发算法
- 批准号：
23K20266 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
合意に基づく分散最適化アルゴリズムの軽量化と機械学習への応用
基于共识的轻量级分布式优化算法及其在机器学习中的应用
- 批准号：
23K21703 - 财政年份：2024
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
触媒サイクルを機械学習モデルとした触媒構造最適化プロセスの開発
使用催化剂循环作为机器学习模型开发催化剂结构优化过程
- 批准号：
22KJ0043 - 财政年份：2023
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for JSPS Fellows
量子最適化アルゴリズムの大幅なアップデートと機械学習を用いる機構解明法の確立
量子优化算法的重大更新和利用机器学习建立机制阐明方法
- 批准号：
23K04659 - 财政年份：2023
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
機械学習における最適化問題の効率的解法
机器学习中优化问题的高效解决
- 批准号：
23KJ1458 - 财政年份：2023
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for JSPS Fellows
機械学習による医薬候補化合物の構造最適化
使用机器学习对候选药物化合物进行结构优化
- 批准号：
22KJ2290 - 财政年份：2023
- 资助金额：
$ 16.06万 - 项目类别：
Grant-in-Aid for JSPS Fellows