自给式独立成分分析用于解混流模型

论文提出自给式信号学习框架，用非线性 ICA 从数据中学习解缠信号，要求在已知信号其余取值时，其他信号不改变缺失值的条件分布。方法将该问题转化为条件 KL 散度最小化，提出逐轮学习解混流模型的序列算法，并证明理想 Wasserstein 梯度流变体在精确速度与总体投影条件下的总相关性局部下降。该算法无需先验与似然假设，避开对抗训练的不稳定性，在玩具与真实数据集上验证有效。