Mean-Field Microcanonical Gradient Descent
创建于 更新于
摘要
本报告提出了一种改进的微正则梯度下降采样方法（MF–MGDM），针对传统MGDM在高维能量基模型采样中出现的熵塌陷问题，通过同时对多样本进行平均场优化，有效降低熵损失并提升采样多样性。理论上证明了MF–MGDM的熵下界优于MGDM，并在包括AR模型和金融时间序列等合成及实证数据上，验证该方法在保持似然拟合度同时，实现了逆KL散度的显著改善及稳定收敛性能 [page::0][page::1][page::3][page::4][page::5][page::6][page::7].
