通过$f$-散度损失函数在密度比估计中的$L_p$误差界限

BriefGPT - AI 论文速递 · 2024-10-02T00:00:00Z

本文从最大似然密度比估计的角度统一解释了KL散度和积分概率度量。通过不同的样本采样方案，将它们表示为最大似然估计值，导出IPMs的统一形式和松弛估计方法。提出了密度比度量（DRMs），连接了KL散度和IPMs，并应用于密度比估计和生成对抗网络。实验验证了该方法的有效性。