मौजूदा अंतर्निहित जनरेटिव मॉडलों की अस्थिर अधिगम गतिकी और मोड-हानि संबंधी समस्याओं का समाधान करने के लिए, यह शोधपत्र पेरेटो-आईएसएल का प्रस्ताव करता है, जो अपरिवर्तनीय सांख्यिकीय हानि (आईएसएल) पद्धति का एक विस्तार है जो केंद्रीय विशेषताओं के साथ-साथ वितरण के पुच्छों का भी सटीक रूप से मॉडल तैयार करता है। मौजूदा आईएसएल की सीमा, जो एक-आयामी डेटा तक सीमित है, को दूर करने के लिए, हम सामान्यीकृत पेरेटो वितरण (जीपीडी) का उपयोग करने वाले एक जनरेटर और यादृच्छिक प्रक्षेपणों का उपयोग करके बहुआयामी डेटा के लिए उपयुक्त एक नवीन हानि फलन का प्रस्ताव करते हैं। प्रयोग बहुआयामी जनरेटिव मॉडलिंग में इसके प्रदर्शन को प्रदर्शित करते हैं और मोड पतन को रोकने के लिए GAN के लिए एक पूर्व-प्रशिक्षण तकनीक के रूप में इसकी क्षमता को प्रदर्शित करते हैं। विशेष रूप से, हम वास्तविक दुनिया की घटनाओं में आने वाले भारी-पुच्छ वितरणों को प्रभावी ढंग से संभालने पर ध्यान केंद्रित करते हैं।
