本論文では、生成対抗ネットワーク（Generative Adversarial Networks: GANs）にサンプルの直接的なエネルギー推定を生成する能力を付与することを提案します。具体的には、柔軟な対抗学習フレームワークを提案し、このフレームワークがジェネレータが真のデータ分布に収束することだけでなく、ディスクリミネータがグローバル最適解において密度情報を保持できるようにすることを証明します。誘導される解の解析形を求め、その特性を分析しました。実際の学習可能性を確保するために、2つの効果的な近似手法を導入しています。経験的に、実験結果は我々の理論的分析と密接に一致しており、ディスクリミネータがデータ分布のエネルギーを回復できることを確認しています。