Normaliseerimisvood
Normaliseerimisvood on generatiivsete mudelite klass, mis õpivad keerulist tõenäosusjaotust, rakendades lihtsale baasjaotusele, nagu standardne Gaussi jaotus, järjestikuseid pöörduvaid, diferentseeruvaid teisendusi. Rezende ja Mohamed (2015) poolt varieeruva järelduse kontekstis tutvustatud normaliseerimisvood võimaldavad täpset tõenäosusfunktsiooni arvutamist ja tõhusat proovide võtmist, muutes need põhimõtteliseks alternatiiviks VAE-dele ja GAN-idele tihedusestimatsiooni ja generatiivsete ülesannete jaoks.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/et/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.
- DifusioonimudelSüvaõpe↔ compare
- Variational AutoencoderSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →