Κανονικοποιητικές ροές
Οι κανονικοποιητικές ροές (normalizing flows) αποτελούν μια κλάση παραγωγικών μοντέλων που μαθαίνουν μια σύνθετη κατανομή πιθανότητας εφαρμόζοντας μια ακολουθία αντιστρέψιμων, διαφορίσιμων μετασχηματισμών σε μια απλή βασική κατανομή, όπως μια τυπική Γκαουσιανή. Παρουσιάστηκαν από τους Rezende και Mohamed (2015) στο πλαίσιο της βαριαντικής συμπερασματολογίας (variational inference), επιτρέπουν τον ακριβή υπολογισμό της πιθανοφάνειας (likelihood) και την αποτελεσματική δειγματοληψία, καθιστώντας τα μια αρχή της τάξης εναλλακτική λύση έναντι των VAEs και των GANs για εργασίες εκτίμησης πυκνότητας και παραγωγής.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/el/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.
- Μοντέλο ΔιάχυσηςΒαθιά Μάθηση↔ compare
- Variational AutoencoderΒαθιά Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →