초록
정규화 흐름(Normalizing flows)은 역할할 수 있는 신경망을 통해 잠재 분포를 변환하여 생성 모델링에 유연하고 간단한 접근 방식을 제공하면서 정확한 우도를 유지합니다. 우리는 정규화 흐름을 사용하여 잠재 가우시안 혼합 모델(Latent Gaussian mixture model)을 활용하는 생성 반지도 학습의 단계별 접근 방법인 FlowGMM을 제안합니다. FlowGMM은 그 간단함, 라벨이 지정된 데이터와 라벨이 지정되지 않은 데이터에 대한 통합적 처리, 정확한 우도, 해석 가능성 및 이미지 데이터를 넘어서 넓은 적용 범위에서 독특합니다. 우리는 AG-News와 Yahoo Answers 텍스트 데이터, 표 형식 데이터, 그리고 반지도 이미지 분류 등 다양한 응용 분야에서 유망한 결과를 보여줍니다. 또한 FlowGMM이 해석 가능한 구조를 발견할 수 있으며, 실시간 최적화가 필요 없는 특성 시각화를 제공하고, 잘 교정된 예측 분포를 지정할 수 있음을 보여줍니다.