Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Optimal Transport Beyond Probability Measures for Robust Geometric Representation Learning
Proyek riset & pengembangan

CAREER: Optimal Transport Beyond Probability Measures for Robust Geometric Representation Learning

Ringkasan tujuan riset

Metrik transportasi optimal untuk ukuran vektor positif atau bertanda dikembangkan bersama embedding Euclidean agar pembelajaran geometri lebih efisien, stabil, dan tahan gangguan data.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2339898Periode tercatat 2024-02-01 sampai 2029-01-31.NSF 2339898MulaiAkhir tercatat202420302024-02-012029-01-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Jarak antarbenda matematika berdimensi tinggi menentukan kualitas representasi model. Proyek ini memperluas optimal transport dan generalized sliced distances di ruang datar atau melengkung, lalu mengkaji sifat topologi, geodesik, serta stabilitasnya. Embedding Euclidean menghubungkan metrik baru dengan klasifikasi dan clustering. Integrasi ke arsitektur neural geometri akan menilai invariansi atau ekuivariansi terhadap grup simetri, dengan studi berdimensi tinggi menguji dampak performa serta kekokohan, bukan mengasumsikan setiap metrik baru memperbaiki model.

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Vanderbilt University
Program
Comm & Information Foundations
Periode pendanaan tercatat
2024-02-01 → 2029-01-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.