余世清、马蒂亚斯·德顿、阿里·肖杰。
年份：2019年，数量：20，版本：76，页码：1-70
摘要
估计概率密度函数参数的一个常见挑战是归一化常数的难处理性。虽然在这种情况下，可以使用数值积分实现最大似然估计，但该方法的计算量很大。Hyvärinen（2005）的分数匹配方法避免了直接计算归一化常数，并得出了$\mathbb{R}^m$上连续分布指数族的闭式估计。Hyvärinen（2007）将该方法扩展到了支持非负正数$\mathbb的分布{右}_+^百万美元。在本文中，我们给出了非负数据的分数匹配的广义形式，以提高估计效率。作为一个例子，我们考虑一类一般的成对交互模型。针对一个被忽视的不存在性问题，我们推广了Lin等人（2016）的正则化分数匹配方法，并改进了其对非负高斯图形模型的理论保证。
PDF格式
BibTeX公司