概率論
- 多元正態分佈
pdf:
信息論
-
Entropy
-
Cross-entropy
-
K-L divergence
-
JSD
-
Wasserstein-distance
Wasserstein距離又叫Earth-Mover(EM, 推土機 )距離
其中是聯合分佈,x爲真實樣本,y爲生成樣本。從所有可能的聯合分佈中取樣本距離期望值的下界。
Wasserstein距離相比KL散度、JS散度的優越性在於,即便兩個分佈沒有重疊,Wasserstein距離仍然能夠反映它們的遠近。
KL散度和JS散度是突變的,要麼最大要麼最小,Wasserstein距離卻是平滑的,如果我們要用梯度下降法優化這個參數,前兩者根本提供不了梯度,Wasserstein距離卻可以。類似地,在高維空間中如果兩個分佈不重疊或者重疊部分可忽略,則KL和JS既反映不了遠近,也提供不了梯度,但是Wasserstein卻可以提供有意義的梯度。