Neural Wasserstein Gradient Flows for Discrepancies with Riesz Kernels
von Fabian Altekrüger, Johannes Hertrich, Gabriele Steidl
Jahr:
2023
Publikation:
International Conference on Machine Learning (ICML)
Abstrakt:
Wasserstein gradient flows of maximum mean discrepancy (MMD) functionals with non-smooth Riesz kernels show a rich structure as singular measures can become absolutely continuous ones and conversely. In this paper we contribute to the understanding of such flows.
Link:
Read the paperAdditional Information
Brief introduction of the dida co-author(s) and relevance for dida's ML developments.
Dr. Fabian Altekrüger
Fabian legte während seines Mathematikstudiums an der TU Berlin seinen Fokus auf Themen der Funktionalanalysis. In seiner anschließenden Promotion beschäftigte er sich mit der Regularisierung und Lösung Bayesscher inverser Probleme in der mathematischen Bildverarbeitung, wobei er mathematische Methoden mit neuronalen Netzen kombinierte. Dabei entwickelte und nutzte Fabian unter anderem bedingte generative Modelle, stets mit Blick auf die Stabilität und Robustheit der Methoden. Bei dida bringt er seine Fähigkeiten als Machine Learning Scientist ein.