Нормализиращи потоци
Нормализиращите потоци са клас генеративни модели, които изучават сложна вероятностна дистрибуция чрез прилагане на последователност от обратими, диференцируеми трансформации към проста базова дистрибуция, като например стандартна Гаусова. Въведени от Rezende и Mohamed (2015) в контекста на вариационното извеждане, те позволяват точно изчисляване на правдоподобието и ефективно семплиране, което ги прави принципен алтернативен подход на VAE и GAN за задачи за оценка на плътността и генериране.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/bg/deep-learning/normalizing-flows
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Дифузионен моделДълбоко обучение↔ compare
- Вариационен автоенкодерДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →