×

国家科学基金

swMATH ID: 35016
软件作者: Conor Durkan、Artur Bekasov、Iain Murray、George Papamakarios
描述: nsf:神经样条流代码论文:归一化流将复杂概率密度建模为简单基密度的可逆变换。基于耦合或自回归变换的流都能提供准确的密度评估和采样,但依赖于容易可逆的元素变换的参数化,其选择决定了这些模型的灵活性。在最近工作的基础上,我们提出了一种基于单调有理二次样条的完全可微模型,它增强了耦合变换和自回归变换的灵活性,同时保持了解析可逆性。我们证明了神经样条流改进了图像的密度估计、变分推理和生成建模注意:此存储库中的工作现已停止。请访问nflows,获取PyTorch的更新和pip-installable规范化流框架。
主页: https://arxiv.org/abs/1906.04032
源代码:  https://github.com/bayesiains/nsf
依赖项: 蟒蛇
关键词: 机器学习;arXiv_状态ML;arXiv_cs。LGM公司;神经样条流;n流量;规范化流
相关软件: n流量;辉光;亚当;低碳所;PyTorch公司;峡湾;火炬差异;制造;波浪辉光;FloWaveNet公司;流量++;阳极;i-RevNet公司;PixelCNN(像素有线电视新闻网)++;UCI-毫升;Wasserstein甘;流动GAN;张紧器2传感器;火炬;视频流
引用于: 11文件

标准条款

1出版物描述软件 年份
神经样条流arXiv公司
Conor Durkan、Artur Bekasov、Iain Murray、George Papamakarios
2019

按年份列出的引文