基于能量的模型

该项目提出了一种新方法，通过神经网络同时学习能量模型和其对数分配函数。利用最小-最小优化公式和双重随机梯度下降，它消除了对马尔可夫链蒙特卡洛（MCMC）方法的依赖，并能学习一个通用的对数分配函数。这解决了在具有巨大组合空间的离散空间中训练概率能量模型（EBMs）的难题。