Normalizing Flows
Normalizing flows ovat generatiivisten mallien luokka, jotka oppivat monimutkaisen todennäköisyysjakauman soveltamalla sarjaa kääntyviä, derivoituvia muunnoksia yksinkertaiseen perusjakaumaan, kuten standardi-Gaussiin. Rezenden ja Mohamedin (2015) esittelemät variaatio-inferenssin yhteydessä, ne mahdollistavat tarkan uskottavuuden laskennan ja tehokkaan otannan, tehden niistä periaatteellisen vaihtoehdon VAE:ille ja GANeille tiheysestimointi- ja generointitehtävissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/fi/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.
- DiffuusiomalliSyväoppiminen↔ compare
- Variational AutoencoderSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →