ไหลการปกติ

ไหลการปกติ เป็นแบบจำลองเชิงก่อกำเนิด (generative models) ประเภทหนึ่งที่เรียนรู้การแจกแจงความน่าจะเป็นที่ซับซ้อน โดยการประยุกต์ใช้ลำดับของการแปลงที่ผันกลับได้และหาอนุพันธ์ได้ (invertible, differentiable transformations) กับการแจกแจงพื้นฐานที่เรียบง่าย เช่น การแจกแจงแบบเกาส์เซียนมาตรฐาน (standard Gaussian) Rezende และ Mohamed (2015) ได้นำเสนอแนวคิดนี้ในบริบทของการอนุมานแบบแปรผัน (variational inference) ซึ่งช่วยให้สามารถคำนวณความน่าจะเป็นได้อย่างแม่นยำ (exact likelihood computation) และการสุ่มตัวอย่างที่มีประสิทธิภาพ (efficient sampling) ทำให้เป็นทางเลือกที่เป็นหลักการ (principled alternative) แทน VAEs และ GANs สำหรับงานการประมาณความหนาแน่น (density estimation) และการสร้างข้อมูล (generation tasks)