但是该方法存在一些不足,作者将优化过程分为两个阶段,但是没有真正的最大化有效信息,即公式{{EquationNote|1}}。因此,[[杨明哲]]等人<ref name=":6" />进一步改进该方法,通过引入反向动力学以及[[重加权技术]]借助[[变分不等式]]将原始的最大化有效信息转换成最大化其变分下界来直接优化目标函数。具体地,根据变分不等式和[[逆概率加权]]方法,公式{{EquationNote|1}}所给出的带约束的优化问题可以转变为如下不带约束的最小化问题: | 但是该方法存在一些不足,作者将优化过程分为两个阶段,但是没有真正的最大化有效信息,即公式{{EquationNote|1}}。因此,[[杨明哲]]等人<ref name=":6" />进一步改进该方法,通过引入反向动力学以及[[重加权技术]]借助[[变分不等式]]将原始的最大化有效信息转换成最大化其变分下界来直接优化目标函数。具体地,根据变分不等式和[[逆概率加权]]方法,公式{{EquationNote|1}}所给出的带约束的优化问题可以转变为如下不带约束的最小化问题: |