新方法实现马尔可夫过程间轨迹传输

研究者提出一种基于流匹配的算法，在保持马尔可夫结构的前提下，学习从源分布到目标轨迹分布的传输映射。论文称，该算法在总体极限下具有一致性，并在混合时间假设下给出了有限样本误差界。 在 THINGS-EEG2 的 EEG 图像检索任务上，该方法为 ENIGMA 解码器在受试者特定时间映射前加入条件流，将平均 top-5 检索准确率从 43.87% 提升至 49.05%，相对提升 11.82%。

AI 根据报道生成 · 7 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。