Minimum Probability Flow

用于凸域上参数估计的新广义分数匹配方法

研究人员开发了一种称为广义分数匹配的新方法，用于凸域上的参数估计。当处理非归一化模型时，该技术提供了最大似然估计的一种实用替代方法，因为它避免了计算配分函数的需要。广义分数匹配目标源自最小概率流学习，并被证明是一个恰当的局部评分规则，理论上保证在最小化时恢复真实密度。该框架特别适用于定义在\(\mathbb{R}^d\)的凸子集上的指数族模型，其中配分函数的解析解是难以处理的。