Fluxos Normalizados
Fluxos normalizados são uma classe de modelos generativos que aprendem uma distribuição de probabilidade complexa aplicando uma sequência de transformações invertíveis e diferenciáveis a uma distribuição base simples, como uma Gaussiana padrão. Introduzidos por Rezende e Mohamed (2015) no contexto de inferência variacional, eles permitem o cálculo exato da verossimilhança e a amostragem eficiente, tornando-os uma alternativa principiada a VAEs e GANs para tarefas de estimação de densidade e geração.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Como citar esta página
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/pt/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.
- Diffusion ModelAprendizado profundo↔ compare
- Autoencoder VariacionalAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →