यह शोधपत्र असतत क्षेत्र में जटिल अनियमित वितरणों से प्रतिचयन पर केंद्रित है, और सांख्यिकीय भौतिकी, परिवर्तनीय अनुमान और संयोजन अनुकूलन जैसे विभिन्न क्षेत्रों में इसके संभावित अनुप्रयोगों को दर्शाता है। स्मृति मापन समस्या के कारण पारंपरिक असतत विसरण मॉडलों में प्रसार चरणों की संख्या सीमित होती है। इस शोधपत्र में, हम दो नई प्रशिक्षण विधियों का प्रस्ताव करते हैं, जो नीति प्रवणता प्रमेय और स्व-सामान्यीकृत तंत्रिका महत्व प्रतिचयन (SN-NIS) का उपयोग करती हैं, ताकि अप्रशिक्षित संयोजन अनुकूलन में स्मृति-कुशल प्रशिक्षण और अत्याधुनिक परिणाम प्राप्त किए जा सकें। इसके अतिरिक्त, SN-NIS और तंत्रिका मार्कोव श्रृंखला मोंटे कार्लो (MCMC) को लागू करके, हम पहली बार असतत विसरण मॉडल को एकसमान प्रतिचयन समस्याओं पर लागू करते हैं, और दिखाते हैं कि यह आइसिंग मॉडल बेंचमार्क के माध्यम से पारंपरिक स्वतःप्रत्यागामी दृष्टिकोणों से बेहतर प्रदर्शन करता है।
