Séance de cours

Normalisation des débits

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours de l'instructeur sur la normalisation des flux porte sur l'objectif de normalisation des flux dans l'inférence et la production de données, la formulation des distributions conjointes, la taxonomie des flux de normalisation et des considérations pratiques. Il se transforme en bijections par éléments, en flux linéaires, en flux de couplage et d'autorégression, en flux résiduels et en applications pratiques de la normalisation des flux dans l'analyse des problèmes inverses. La séance de cours examine également les limites de la normalisation des flux et introduit le concept de modélisation générative avec Glow, en mettant l'accent sur les convolutions inverses 1x1.

Source officielle

Concepts associés (13)

Application affine

En géométrie, une application affine est une application entre deux espaces affines qui est compatible avec leur structure. Cette notion généralise celle de fonction affine de R dans R (), sous la forme , où est une application linéaire et est un point. Une bijection affine (qui est un cas particulier de transformation géométrique) envoie les sous-espaces affines, comme les points, les droites ou les plans, sur le même type d'objet géométrique, tout en préservant la notion de parallélisme.

Application linéaire

En mathématiques, une application linéaire (aussi appelée opérateur linéaire ou transformation linéaire) est une application entre deux espaces vectoriels qui respecte l'addition des vecteurs et la multiplication scalaire, et préserve ainsi plus généralement les combinaisons linéaires. L’expression peut s’utiliser aussi pour un morphisme entre deux modules sur un anneau, avec une présentation semblable en dehors des notions de base et de dimension. Cette notion étend celle de fonction linéaire en analyse réelle à des espaces vectoriels plus généraux.

Matrice d'une application linéaire

En algèbre linéaire, la matrice d'une application linéaire est une matrice de scalaires qui permet de représenter une application linéaire entre deux espaces vectoriels de dimensions finies, étant donné le choix d'une base pour chacun d'eux. Soient : E et F deux espaces vectoriels sur un corps commutatif K, de dimensions respectives n et m ; B = (e, ... , e) une base de E, C une base de F ; φ une application de E dans F.

Loi normale multidimensionnelle

En théorie des probabilités, on appelle loi normale multidimensionnelle, ou normale multivariée ou loi multinormale ou loi de Gauss à plusieurs variables, la loi de probabilité qui est la généralisation multidimensionnelle de la loi normale. gauche|vignette|Différentes densités de lois normales en un dimension. gauche|vignette|Densité d'une loi gaussienne en 2D. Une loi normale classique est une loi dite « en cloche » en une dimension.

Loi de probabilité à plusieurs variables

vignette|Représentation d'une loi normale multivariée. Les courbes rouge et bleue représentent les lois marginales. Les points noirs sont des réalisations de cette distribution à plusieurs variables. Dans certains problèmes interviennent simultanément plusieurs variables aléatoires. Mis à part les cas particuliers de variables indépendantes (notion définie ci-dessous) et de variables liées fonctionnellement, cela introduit la notion de loi de probabilité à plusieurs variables autrement appelée loi jointe.

Afficher plus

Séances de cours associées (64)

Statistiques à variables multiples : distribution normale

Introduit des statistiques multivariées, couvrant les propriétés de distribution normales et les fonctions caractéristiques.

Statistiques multivariées: Introduction et méthodes

Introduit des statistiques multivariées, mettant l'accent sur la découverte d'associations entre les composantes des données sous forme vectorielle.

Statistiques à variables multiples : distribution normale

Couvre la distribution normale multivariée, les propriétés et les méthodes d'échantillonnage.

Distributions elliptiques : Propriétés et applications

Couvre les distributions elliptiques, y compris les propriétés, les applications et les implications de la gestion des risques.

Contrôle multivariable

Couvre les variables aléatoires gaussiennes, les transformations d'affines et les systèmes linéaires entraînés par le bruit gaussien dans le contrôle multivariable.

Afficher plus

Concepts associés (13)

Application affine

Application linéaire

Matrice d'une application linéaire

Loi normale multidimensionnelle

Loi de probabilité à plusieurs variables

Afficher plus