均场微正则梯度下降

微正则梯度下降是一种用于高维分布高效采样的能量模型采样过程，通过使用梯度下降从高熵分布（如高斯白噪声）将样本传输到低能量区域。我们将这个模型放置在归一化流框架中，展示它常常通过在下降过程中损失了不必要的熵而过拟合。为了解决这个问题，我们提出了一种多场微正则梯度下降法，同时采样多个弱耦合数据点，以更好地控制熵损失，并在可能度拟合方面几乎不付出代价。我们在金融时间序列的背景下研究了这些模型，展示了在合成和真实数据上的改进。