Metropolis_Hastings view on variational inference and adversarial training 可以将MCMC方法的重要部分视为具有不同提议分布的Metropolis-Hastings(MH)算法。从这个角度来看,构建采样器的问题可以简化为:如何为MH算法选择方案?.. 为了解决这个问题,我们建议学习一个独立的采样器,以最大程度地提高MH算法的接受率,正如我们所证明的那样,该算法与常规变分推理