该论文提出了一种新的框架，将一类分布估计算法，特别是协方差矩阵适应算法，写成了蒙特卡罗期望最大化算法和无限样本极限下的精确 EM，这个发现为 EDAs 研究提供了一个基于 EM 坚实统计基础的新的、一致的框架。
May, 2019
本文探讨了通过采用对角线和全方差提高 DPM 模型的表现力，同时基于函数噪声的条件期望估计提出了一种最优协方差和其校正的方法，并通过两阶段训练过程进行了实现以提高效率。通过实验表明，我们的方法在可能性结果上优于各种协方差设计，并在少量时间步长上提高了样本质量。
Jun, 2022
本研究提出了一种基于多通道优化模型的加权核范数最小化方法进行真实彩色图像去噪的算法，该方法采用权重矩阵平衡三个通道的数据保真度并引入可用于通道冗余的 RGB 贴片，通过交替方向乘子法解决该 MC-WNNM 模型，实验结果表明该算法在合成和真实噪声图像数据集上优于现有的去噪方法。
May, 2017
通过将系统状态和噪声参数的联合估计转化为优化问题，提出了一种基于共轭 - 计算变分推理（CVIAKF）的新型自适应卡尔曼滤波器方法，用于近似潜变量的联合后验概率密度函数。与现有的自适应卡尔曼滤波器方法不同的是，CVIAKF 在期望参数空间中进行优化，从而实现更快且更简单的解决方案。同时，CVIAKF 将优化目标分为非线性动力模型的共轭部分和非共轭部分，并分别应用共轭计算和随机镜像下降。值得注意的是，重参数化技巧用于降低非共轭部分的随机梯度方差。通过合成和真实世界的机动目标跟踪数据集验证了 CVIAKF 的有效性。
Dec, 2023
本文研究非线性状态空间模型中动态状态和动态噪声协方差的联合和递归估计问题，提出了一种基于近似贝叶斯推断原理的非线性状态估计和模型参数识别的递归解决方案。方法基于随机搜索变分推断，通过引入辅助潜变量和优化共轭和非共轭项实现了推断速度和准确度的平衡，通过仿真和实际数据的雷达跟踪应用验证了方法的性能。
May, 2023
通过研究具有状态相关噪声的随机梯度下降的动态行为，我们证明了幂律动态可以比之前的动态更快地从锐化极小值中逃脱，从而提出了一种新方法来进一步提高其概括能力。
Jun, 2020
本文介绍了一种基于噪声对比估计的参数估计方法，应用在生成模型和时间多元点过程中的最大似然估计计算中，实现了更高效的优化。
Nov, 2020
通过将噪声对比估计（NCE）方法与传统最大似然估计（ML）方法结合，以及探索 NCE 与条件重要性采样（RNCE）和对比散度（CNCE）之间的关联，本研究实现了 NCE 方法的扩展和改进。
Feb, 2024
本文提出了一种基于双重加权截断核范数减去截断 Frobenius 范数最小化的方法，通过利用噪声图像的非局部自相似性来聚合类似结构并构建一系列类似的补丁矩阵，每个组采用 DtNFM 模型来估计其去噪版本，提供了处理复杂噪声分布的足够灵活性，并通过 ADMM 框架最小化问题。
Jul, 2023
我们提出了一种新方法，通过在密度估计问题中将噪声样本的生成与观察到的数据联系起来，旨在比噪声对比估计更好地估计未规范化模型的参数，并在深度学习中证明了其适用性。
Jun, 2018