Learning with minibatch Wasserstein : asymptotic and gradient properties

Kilian Fatras (1, 2) , Younes Zine (2) , Rémi Flamary (3, 4) , Rémi Gribonval (5) , Nicolas Courty (1)

1 OBELIX - Observation de l’environnement par imagerie complexe
2 PANAMA - Parcimonie et Nouveaux Algorithmes pour le Signal et la Modélisation Audio
3 LITIS - Laboratoire d'Informatique, de Traitement de l'Information et des Systèmes
4 LAGRANGE - Joseph Louis LAGRANGE
5 DANTE - Dynamic Networks : Temporal and Structural Capture Approach

Domaines: Machine Learning [stat.ML]; Théorie [stat.TH]; Probabilités [math.PR]

Kilian Fatras, Younes Zine, Rémi Flamary, Rémi Gribonval, Nicolas Courty. Learning with minibatch Wasserstein : asymptotic and gradient properties. AISTATS 2020 - 23nd International Conference on Artificial Intelligence and Statistics, Jun 2020, Palermo, Italy. pp.1-20. ⟨hal-02502329⟩