يدرس هذا البحث طريقة تدريب تتيح تقديرًا مشتركًا لنموذج مبني على الطاقة ونموذج مبني على التدفق، حيث يتم تحديث النموذجين بشكل تكراري بناءً على دالة قيم متعارضة مشتركة. تتميز هذه الطريقة المشتركة للتدريب بالخصائص التالية: (1) يعتمد تحديث النموذج المبني على الطاقة على تقدير التباين الضوضائي، مع استخدام النموذج التدفقي كتوزيع ضوضاء قوي. (2) يتم تحديث النموذج التدفقي تقريبًا لتصغير انحراف جينسون-شانون بين توزيع النموذج التدفقي وتوزيع البيانات. (3) على عكس الشبكات التوليدية المتعارضة (GAN) التي تقدر توزيعًا احتماليًا ضمنيًا معرفًا بواسطة نموذج مولد، فإن طريقة العمل هذه تقدر توزيعين احتماليين صريحين على البيانات. باستخدام الطريقة المقترحة، نُظهر تحسنًا ملحوظًا في جودة التوليد بالنسبة للنموذج التدفقي، ونُظهر فعالية التعلم غير المراقب للسمات من خلال النموذج المبني على الطاقة. علاوةً على ذلك، يمكن تكييف طريقة التدريب المقترحة بسهولة لتطبيقها في التعلم شبه المراقب، حيث نحقق نتائج تنافسية مع أحدث الطرق في مجال التعلم شبه المراقب.