Normalizējošās plūsmas
Normalizējošās plūsmas ir ģeneratīvu modeļu klase, kas apgūst sarežģītu varbūtības sadalījumu, piemērojot virkni apgriežamu, diferencējamu transformāciju vienkāršam bāzes sadalījumam, piemēram, standarta Gausa sadalījumam. Ieviestas Rezendes un Mohameda (2015) saistībā ar variācijas inferenci, tās ļauj precīzi aprēķināt likumību un efektīvi paraugus, padarot tās par principālu alternatīvu VAE un GAN blīvuma novērtēšanai un ģenerēšanas uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/lv/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.
- Modelis difūzijaDziļā mācīšanās↔ compare
- Variacionālais autoenkodersDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →