Newest papers

A unified approach for estimation of unnormalized models via Stein operators

Mitsuki Nagai, Keisuke Yano · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.29510 · cited by 0 works (OpenAlex) · open-access PDF

Russian

В этой статье мы разрабатываем единую структуру, связывающую правильные правила оценки с методом Стейна для оценки ненормализованных моделей. Мы строим класс правильных правил оценки, который включает в себя сопоставление баллов, сопоставление соотношений, псевдоличность и контрастирующую оценку шума. Мы показываем, что эти правильные правила оценки естественно индуцируют операторов Стейна. Это соединение дает новый конструктивный принцип для операторов Стейна, и позволяет нам изучать оценщиков на основе этих правил оценки через геометрию, связанную с индуцированными операторами Стейна. Используя эту геометрическую перспективу, мы предоставляем единую характеристику асимптотической эффективности полученных оценщиков.

Machine translation (Meta M2M100); the English original follows.

Abstract

In this paper, we develop a unified framework connecting proper scoring rules and Stein's method for the estimation of unnormalized models. We construct a class of proper scoring rules that encompasses score matching, ratio matching, pseudolikelihood, and noise contrastive estimation. We show that these proper scoring rules naturally induce Stein operators. This connection yields a new construction principle for Stein operators, and enables us to study estimators based on these scoring rules through the geometry associated with the induced Stein operators. Using this geometric perspective, we provide a unified characterization of the asymptotic efficiency of the resulting estimators.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Estimator, Mathematics, Connection (principal bundle), Class (philosophy), Construct (python library), Noise (video)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange