Normaliserende strømmer
Normaliserende strømmer er en klasse av generative modeller som lærer en kompleks sannsynlighetsfordeling ved å anvende en sekvens av invertible, deriverbare transformasjoner på en enkel basisfordeling, som en standard Gaussisk fordeling. Introdusert av Rezende og Mohamed (2015) i konteksten av variasjonell inferens, muliggjør de eksakt sannsynlighetsberegning og effektiv sampling, noe som gjør dem til et prinsippielt alternativ til VAE-er og GAN-er for tetthetsestimering og generasjonsoppgaver.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/no/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.
- DiffusjonsmodellDyp læring↔ compare
- VariasjonsautoenkoderDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →