向消除分数匹配的盲目性迈进
Towards Healing the Blindness of Score Matching
AI总结：
本文提出了一种新的分歧家族，以缓解分数匹配在多模分布中的盲目性问题，并在密度估计中展示了改进的性能。
摘要：
基于分数的分歧已被广泛应用于机器学习和统计应用。尽管在经验上取得了成功，但在使用这些方法处理多模分布时却观察到了一个盲目性问题。在本文中，我们讨论了这个盲目性问题，并提出了一种新的分歧家族，可以缓解这个盲目性问题。我们将在密度估计的背景下展示所提出的分歧，并报告与传统方法相比有所改进的性能。
英文摘要：
Score-based divergences have been widely used in machine learning and statistics applications. Despite their empirical success, a blindness problem has been observed when using these for multi-modal distributions. In this work, we discuss the blindness problem and propose a new family of divergences that can mitigate the blindness problem. We illustrate our proposed divergence in the context of density estimation and report improved performance compared to traditional approaches.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
