Нормализующие потоки
Нормализующие потоки — это класс генеративных моделей, которые обучают сложное распределение вероятностей путем применения последовательности обратимых, дифференцируемых преобразований к простому базовому распределению, такому как стандартное Гауссово. Представленные Rezende и Mohamed (2015) в контексте вариационного вывода, они позволяют точно вычислять правдоподобие и эффективно выполнять выборку, что делает их принципиальной альтернативой VAE и GAN для задач оценки плотности и генерации.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/ru/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.
- Диффузионная модельГлубокое обучение↔ compare
- Вариационный автокодировщикГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →