度量空间随机对象深度学习框架摆脱流形假设约束

Marcos Matabuena、Xiaokai Luo、Oscar Hernan Madrid Padilla 在 arXiv 论文中提出面向度量空间随机对象回归的深度学习框架，直接在响应空间的度量结构上运算，避免流形或欧氏嵌入假设。理论部分给出估计量的统计一致性与收敛速率，并刻画缓解维度灾难的条件；模拟实验显示其在欧氏与非欧配置下具有竞争力，应用于两个数字健康分布值生物标志物案例。