Apr, 2023
条件归一化流在优化权重重构中的应用
Flow Away your Differences: Conditional Normalizing Flows as an Improvement to Reweighting
Malte Algren, Tobias Golling, Manuel Guth, Chris Pollard, John Andrew Raine
TL;DR通过条件归一化流来学习完整条件概率分布以匹配目标分布,消除模拟样本中的误建模,较之常见的重新加权技术,该方法独立于分组选择且不依赖于两个分布之间密度比率的估计,其可以提供高达三倍的统计精度,同时在高能粒子物理应用领域也具有一定的潜力。