文章预览
我们承认 DNF [9]和 PCAflow 可以与我们的方法进行定量比较 Principal Component Flows https://proceedings.mlr.press/v162/cunningham22a/cunningham22a.pdf 摘要 归一化流通过双射变换将一组独立的潜在变量映射到其样本。尽管样本和潜在变量之间存在精确对应关系,但它们的高层次关系尚未被充分理解。在本文中,我们使用主成分流形来表征流的几何结构,并使用等高线来理解潜在变量和样本之间的关系。我们引入了一类新的归一化流,称为 主成分流 (PCF),其等高线是其主成分流形,以及一种用于单射流的变体(iPCF),它比常规单射流更高效地训练。PCF可以使用任何流架构构建,使用正则化的最大似然目标进行训练,并可以在其所有主成分流形上执行密度估计。在我们的实验中,我们展示了PCF和iPCF能够学习各种数据集上的主成分流形。此外,我们展示了PCF可以在具有
………………………………