Normalizačné toky
Normalizačné toky sú triedou generatívnych modelov, ktoré sa učia komplexnú pravdepodobnostnú distribúciu aplikovaním sekvencie invertibilných, diferencovateľných transformácií na jednoduchú základnú distribúciu, ako je štandardné Gaussovo rozdelenie. Predstavené Rezendom a Mohamedom (2015) v kontexte variačnej inferencie, umožňujú presný výpočet pravdepodobnosti a efektívne vzorkovanie, čím predstavujú princípovú alternatívu k VAE a GAN pre úlohy odhadu hustoty a generovania.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/sk/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.
- Difúzny modelHlboké učenie↔ compare
- Variačný autoenkodérHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →