该文汇总多项机器学习研究，涵盖：分布式鲁棒优化作为正则化及其泛化界限；基于最优传输的模型无关数据集距离；含噪数据的线性度量学习与低秩截断；对抗及分布变化下的可靠性保证；Wasserstein距离的收敛性；SAL鲁棒算法；分布式学习算法；多标签Wasserstein损失；ROC相似性学习；高斯混合模型优化。