待验证50% 置信事实精确时间

归一化流是一类通过叠加可逆、可微变换来构造复杂概率分布的深度生成模型，利用变量替换公式结合雅可比行列式表达密度

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

变换采样器与方差缩减：用归一化流破解控制变量难题

涉及实体

归一化流concept

相关事实

待验证归一化流通过可逆变换能够利用变量替换公式精确计算数据的对数似然，实现精确的密度估计而非近似推断77% 相似待验证主流生成模型如扩散模型和流匹配模型本质上是概率生成器，通过从数据分布中采样来生成新样本76% 相似待验证混合密度网络（MDN）让神经网络输出混合高斯分布的参数（均值、方差和混合权重），从而能建模任意复杂的条件分布包括多峰分布71% 相似待验证指数族分布的对数归一化函数可充当Bregman散度定义中的凸函数φ，使锚点概率分布模型与表示空间几何度量形成一一对应71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990832

API

curl https://kongchang.com/api/v1/knowledge/claims/990832

MCP

get_claim(id=990832)