Нормалізуючі потоки
Нормалізуючі потоки — це клас генеративних моделей, які вивчають складний імовірнісний розподіл шляхом застосування послідовності обернених, диференційовних перетворень до простого базового розподілу, такого як стандартна Гауссова. Представлені Rezende та Mohamed (2015) у контексті варіаційного висновку, вони забезпечують точне обчислення правдоподібності та ефективне семплювання, що робить їх принциповою альтернативою VAE та GAN для завдань оцінки щільності та генерації.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Rezende, D. J., & Mohamed, S. (2015). Variational inference with normalizing flows. International Conference on Machine Learning (ICML), 1530–1538. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Normalizing Flows. ScholarGate. https://scholargate.app/uk/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.
- Дифузійна модельГлибоке навчання↔ compare
- Варіаційний автокодувальникГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →