2021年5月
即将到来的:纯粹数学与应用数学交流。
在本文中,我们描述了一种新的迭代过程,称为SISTA,以学习最优运输问题的潜在成本。SISTA是两种经典方法的混合,坐标下降(“S”-inkhorn)和近端梯度下降(“ISTA”)。它在运输潜力的精确最小化阶段和运输成本参数的近端梯度下降阶段之间交替。我们证明了这种方法是线性收敛的,我们在模拟的例子中说明,它明显快于坐标下降和ISTA。我们将其应用于估计一个移民模型,该模型使用国家特有的特征和国家之间的差异的成对测量来预测移民的流动。这个应用证明了机器学习在定量社会科学中的有效性。
下载
这些必需的cookies是激活网站核心功能所必需的。无法选择退出这些技术。
为了进一步完善我们的服务和我们的网站,我们收集匿名数据进行统计和分析。例如,在这些cookie的帮助下,我们可以确定访问者的数量和我们网站上某些页面的效果,并优化我们的内容。