论文笔记（二） 【Variational Inference with Normalizing Flows】

论文地址：Variztional Inference with Normalizing Flows

本文主要是关于现在特别的火的流模型的原理介绍，具体来说是关于标准化流（Normalizing FLows）的介绍

一、论文记录

1、在摘要中提出在变分推断中选择一个合适的后验分布是十分重要的。在这涉及到两个概念：后验分布（posterior distribution）和变分推断（variational inference），这两个概念已经接触好多次，但还是模模糊糊的，所以在这整理一下。

先验分布（prior distribution）和后验分布（posterior distribution）

   我们通常把一次试验中的结果称为随机变量，随机变量为每一个可能出现结果赋予了一个数值，包含离散型随机变量（抛硬币）和连续性随机变量（时间变化）。

     随机变量取得不同值（各种情况发生）的可能性大小就是概率。概率分布是用来描述随机变量取值的概率规律。

    所以要理解先验分布和后验分布，理解先验和后验概率就可以。会用到的例子就是瓜熟蒂落，因是瓜熟，果是蒂落。

    先验概率：根据以往经验和分析得到的概率，用因果关系来说，就是根据以往的经验得出“因”概率。根据常识、经验得出‘瓜熟’的概率。

    后验概率： 后验是指在经验之后，是需要经验的。所以后验概率需要用到先验概率。具体来说后验概率是指在得到结果之后重新修正得到的概率，后验概率基于新的信息，修正原来的先验概率后所获得的更接近实际情况的概率估计。通俗一点就是，已知‘果’得出‘因’的概率。已知‘蒂落’，推测出‘瓜熟’的概率。</