근사 사후의 제약
변분 추론에서는 계산의 효율을 위해 평균장 같은 단순한 사후 근사를 사용한다. 분포의 모양을 제한하면 추론 결과의 품질에도 영향을 줄 수 있다.
분포를 바꾸는 가역 변환
정규화 흐름은 단순한 초기 밀도에서 출발해 가역 변환을 여러 번 적용한다. 원하는 복잡성까지 분포를 변형해 더 유연한 근사 사후를 구성한다.
흐름과 추론의 결합
원 연구는 유한 흐름과 무한소 흐름을 구분하며 풍부한 사후 근사를 만드는 접근을 통합적으로 설명했다. 실제 사후에 가까운 분포와 학습된 추론 모형의 확장성을 결합하는 효과를 평가했다.
관련 문서
변분 오토인코더 / 변분 추론 / 리만 흐름 텍스트 오토인코더 / IWAE / 확률 분포 / 잠재 변수