The entropic optimal (self-)transport problem: Limit distributions for decreasing regularization with application to score function estimation
熵最优（自）传输问题：正则化递减的极限分布及其在得分函数估计中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦熵最优传输的极限分布与得分函数估计，属于概率与统计理论方向，未涉及所提供领域细分中的因果推断、面板、时间序列、资产定价等主题，故不选择任何细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
熵最优（自）传输问题：正则化递减的极限分布及其在得分函数估计中的应用
- 研究问题
- 研究光滑概率测度下熵最优（自）传输问题的统计性质，特别是当正则化参数随样本量收缩（而非固定）时，熵（自）势与传输计划的极限分布，以及经验熵最优自传输计划重心投影的缩放能否收敛到得分函数。
- 方法与思路
- 作者提出在正则化参数随样本量递减的机制下刻画极限分布，推导经验熵最优自传输计划重心投影的缩放收敛到得分函数，并分别给出逐点与 L2 的渐近波动；方法上需要理解小 ε 极限下 Sinkhorn 算子的复合结构，并据此处理两个不同测度情形下经验熵最优传输势的逐点极限分布。
- 材料陈述的贡献
- 摘要称给出了正则化参数随样本量收缩时熵（自）势与计划的极限分布精确描述，填补此前文献多将 ε 固定这一空白；证明自传输计划重心投影的缩放收敛到扩散模型核心的得分函数并刻画其渐近波动；并说明在何种条件下可将方法推广到两个不同测度的经验熵最优传输势的逐点极限分布。
- 阅读关注点
- 应核对正则化参数随样本量收缩的具体速率与假设、光滑性条件、极限分布的形式与证明所依赖的 Sinkhorn 算子复合结果；核对得分函数收敛的缩放因子、逐点与 L2 波动的具体表述；核对两测度情形所需条件是否与自传输情形一致，以及结论是逐点还是函数型。
- 阅读边界
- 仅凭摘要无法判断证明细节、假设强度与适用边界，也无法核实数值表现或与既有方法的比较；摘要未说明具体速率、常数与模拟结果。该文为 arXiv 预印本，未经同行评审或期刊接收，结论应视为预印本陈述。
原文摘要
We study the statistical properties of the entropic optimal (self) transport problem for smooth probability measures. We provide an accurate description of the limit distribution for entropic (self-)potentials and plans as the regularization parameter shrinks with the sample size; this regime is largely unexplored in the prior statistical literature, where $ε$ is typically held fixed. Additionally, we show that a rescaling of the barycentric projection of the empirical entropic optimal self-transport plans converges to the score function, a central object for diffusion models, and characterize the asymptotic fluctuations both pointwise and in $L^2$. Finally, we describe under what conditions the methods used enable to derive (pointwise) limiting distribution results for the empirical entropic optimal transport potentials in the case of two different measures and appropriately chosen shrinking regularization parameter. This endeavour requires a better understanding of the composition of Sinkhorn operators in the small $\eps$-limit, a result of independent interest.