生成建模中变量变换公式的综述
摘要：变量变换 (CoV) 公式通过可计算雅可比行列式的学习变换，将复杂的概率密度简化为简单的密度，从而成为最大似然学习、贝叶斯推断、异常检测、模型选择等方面的强大工具。已经推导出了各种模型类型的CoV公式，但相关信息散布在许多不同的文献中。我们从编码器/解码器架构的统一视角出发，对28个CoV公式进行了系统的处理，将它们集中在一个地方，揭示了似乎不同方法之间的有趣关系，强调了文献中不始终清晰的重要区别，并确定了未来研究的意外空白。
作者：Ullrich K"othe
论文ID：2308.02652
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-08