Normalizirajući tokovi
Normalizirajući tokovi su klasa generativnih modela koji uče složenu distribuciju vjerojatnosti primjenom niza invertibilnih, diferencijabilnih transformacija na jednostavnu baznu distribuciju poput standardne Gaussove. Predstavljeni od strane Rezendea i Mohameda (2015.) u kontekstu varijacijskog zaključivanja, omogućuju točan izračun vjerojatnosti i učinkovito uzorkovanje, čineći ih principijelnom alternativom VAE-ovima i GAN-ovima za zadatke procjene zapremine i generiranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/hr/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.
- Difuzijski modelDuboko učenje↔ compare
- Varijacijski autoenkoderDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →