Normalisation des flux: problèmes inverses et chaînes de Markov

Cette séance de cours introduit le concept de normalisation des flux appliqués aux problèmes inverses, en mettant l'accent sur l'apprentissage à partir de quelques points de données et le compromis entre expressivité et robustesse. L'instructeur discute de l'utilisation des chaînes de Markov pour améliorer l'échantillonnage et la reconstruction, en présentant l'application de couches stochastiques et d'autoencodeurs variationnels. La séance de cours explore les défis des distributions multimodales et la nécessité de normaliser les flux stochastiques. En outre, la séance de cours explore le potentiel des chaînes continues de Markov et la mise en œuvre des flux de gradient de Wasserstein pour les problèmes de grande dimension. La présentation se termine par des informations sur l'utilisation de Wasserstein tranché pour des calculs efficaces et les implications pratiques de la régularisation par patch dans la modélisation générative.