جریانهای نرمالساز (Normalizing Flows)
جریانهای نرمالساز دستهای از مدلهای مولد هستند که با اعمال دنبالهای از تبدیلات معکوسپذیر و مشتقپذیر بر روی یک توزیع پایه ساده مانند گوسی استاندارد، یک توزیع احتمال پیچیده را یاد میگیرند. این مدلها که توسط Rezende و Mohamed (2015) در چارچوب استنتاج متغیر معرفی شدند، امکان محاسبه دقیق درستنمایی و نمونهبرداری کارآمد را فراهم میکنند و آنها را به جایگزینی اصولی برای VAEها و GANها در کارهای تخمین چگالی و تولید تبدیل میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/fa/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.
- مدل انتشار (Diffusion Model)یادگیری عمیق↔ compare
- Variational Autoencoderیادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →