← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.2.e.1.a.1 · 生成模型:未记录

Wasserstein距离与分布支撑

理解等级:中级

两个分布的支撑不重叠时,JS 散度达到 log 2,不能反映它们相隔多远;Wasserstein-1 距离则是在所有满足两个边缘分布的运输方案中,单位质量移动距离的期望的最小值。因而两个点质量即使不重叠,其距离仍随点间距离变化。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 生成模型 8.5 WGAN算法 · 查看原书依据

      既然是JS散度的问题,换一种衡量两个分布之间的相似度的方式,不就可以解决这个问题了吗?于是就有了使用 Wasserstein距离的想法.Wasserstein距离背后的思想如下,假设两个分布分别为和,我们想要知道这两个分布之间的差异. 想象我们有一台推土机,它可以把这边的土堆挪到这边,那么推土机平均走的距离就是Wasserstein距离.在这个例子中,我们假设集中在一个点,集中在另一个点,对推土机而言,假设它要把这边的土堆挪到这边,那么它要走的平均距离就是,和的Wasserstein距离就是.但如果和不是集中在一个点,而是分布在一个区域内,则需要考虑所有的可能性,也就是所有的走法,然后看走的平均距离是多少,走的这个平均距离就是Wasserstein距离.Wasserstein距离也称为推土机距离(Earth Mover's Distance,EMD). Wasserstein距离的定义如图8.18 所示.

    参考来源

    - 位置:《深度学习详解》第8章《生成模型》8.5 WGAN算法(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml`) - 结论依据:原文通过分布不重叠、运输距离、判别函数和梯度惩罚图解 WGAN;约束性质按近似解释。 - 原始内容:既然是JS散度的问题,换一种衡量两个分布之间的相似度的方式,不就可以解决这个问题了吗?于是就有了使用 Wasserstein距离的想法.Wasserstein距离背后的思想如下,假设两个分布分别为和,我们想要知道这两个分布之间的差异. 想象我们有一台推土机,它可以把这边的土堆挪到这边,那么推土机平均走的距离就是Wasserstein距离.在这个例子中,我们假设集中在一个点,集中在另一个点,对推土机而言,假设它要把这边的土堆挪到这边,那么它要走的平均距离就是,和的Wasserstein距离就是.但如果和不是集中在一个点,而是分布在一个区域内,则需要考虑所有的可能性,也就是所有的走法,然后看走的平均距离是多少,走的这个平均距离就是Wasserstein距离.Wasserstein距离也称为推土机距离(Earth Mover's Distance,EMD). Wasserstein距离的定义如图8.18 所示.