Противоречивые байезийские последствия для ненормализованных моделей

arXiv: 2603.09306v2 Annuales Type: заменить резюме: ненормализованные (или основанные на энергии) модели обеспечивают гибкие рамки для регистрации характеристик данных со сложными структурами зависимости. Однако применение стандартных Байесовских методов вывода было крайне ограничено, поскольку зависящая от параметров нормализующая постоянная либо является неразрешимой с аналитической точки зрения, либо в вычислительном отношении недоступной для оценки. Обнадеживающим подходом является обобщенный байезийский вывод, который не позволяет оценить нормализующую константу путем замены вероятности правилом баллов. Однако этот подход по-прежнему требует тщательной корректировки информации о вероятности, и он может не привести к обоснованным выводам без надлежащего контроля. Для преодоления этой трудности мы предлагаем полностью байесовскую основу для вывода о ненормализованных моделях, которые не требуют такой корректировки. Мы основываемся на оценке шума, которая изменяет выводы в качестве проблемы двоичной классификации между наблюдаемыми и