Aliran Normalisasi
Aliran normalisasi adalah kelas model generatif yang mempelajari distribusi probabilitas kompleks dengan menerapkan urutan transformasi yang dapat dibalik dan dapat diturunkan ke distribusi dasar yang sederhana seperti Gaussian standar. Diperkenalkan oleh Rezende dan Mohamed (2015) dalam konteks inferensi variasional, mereka memungkinkan komputasi kemungkinan (likelihood) yang tepat dan pengambilan sampel yang efisien, menjadikannya alternatif yang berprinsip dibandingkan VAE dan GAN untuk tugas estimasi kepadatan dan generasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/id/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.
- Model DifusiPembelajaran Mendalam↔ compare
- Variational AutoencoderPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →