条件可逆神经网络

学到的摘要统计量被送入两个并行分支：模型选择网络计算后验模型概率，多个模型特定的条件可逆神经网络（cINNs）分别估计各模型下的参数后验分布。

条件可逆神经网络（cINN）是归一化流的一类变体，通过可逆变换将简单基分布映射到目标后验分布，能用精确式子给出后验密度的对数似然。

cINN的可逆性约束了每层网络结构，需要精心设计耦合层，且训练时容易出现梯度病态，对网络容量与训练稳定性要求更高。