Aliran Normalisasi
Aliran normalisasi ialah kelas model generatif yang mempelajari taburan kebarangkalian kompleks dengan menggunakan turutan transformasi songsang dan boleh terbeza daripada taburan asas mudah seperti Gaussian piawai. Diperkenalkan oleh Rezende dan Mohamed (2015) dalam konteks inferens variasi, ia membolehkan pengiraan kebarangkalian tepat dan pensampelan yang cekap, menjadikannya alternatif yang berprinsip kepada VAE dan GAN untuk tugas anggaran ketumpatan dan penjanaan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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 memetik halaman ini
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/ms/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 ResapanPembelajaran Mendalam↔ compare
- Autoenkoder VariasiPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →