Brenier 定理在统计里也对应凸梯度映射
docmilanfar · x · 2026-07-22
这条继续从统计视角解释 Brenier 定理。
- 对于两个密度为 $p(x)$ 和 $q(y)$ 的分布，可以把问题写成：寻找一个函数 $y=f(x)$，使 $\mathbb{E}(xy)$ 最大。
- 其解可以写成某个凸函数 $\phi$ 的梯度映射，即 $f=\nabla \phi$。
- 这说明 Brenier 定理不仅是最优传输的核心结论，也和统计里的映射学习有直接联系。
所属事件:docmilanfar 解读 Brenier 定理：串联最优传输、统计与扩散模型的统一框架(5 条相关)→
「研究」频道最新
- OpenD4RT 发布 4D 重建与跟踪的开源 PyTorch 实现 — rsasaki0109 · 2026-07-22
- DiligenceBench 测公募研究 agent，Muse Spark 1.1 拿到 57.4% — karinanguyen · 2026-07-22
- EoBench 发现 LLM 会被语气、确定性和措辞影响 — rohanpaul_ai · 2026-07-22
- MSA Pairformer 准确率超过 ESMC 6B，学界却还在凑 10 万美元 — KevinKaichuang · 2026-07-22
- 有人指出 Agent 环境必须覆盖 API 密钥与安全突破 — 1a3orn · 2026-07-22
- 没有“半路失败”任务，模型可能学不会体面地停下 — 1a3orn · 2026-07-22