محققان در پژوهشی جدید، چارچوب قدرتمندی برای تخمین پارامترهای سیستمهای فیزیکی پیچیده معرفی کردهاند. این متد با ترکیب «نرمالسازهای جریانی» (Normalizing Flows) و روشهای آماری دقیق، کمک میکند تا مدلهای شبیهسازیشده، تخمینهای دقیقتر و پایدارتری از متغیرهای خود داشته باشند.
این دستاورد فنی، پتانسیل بالایی در بهبود دقت مدلهای پیشبینی در حوزههای علمی و مهندسی دارد که از جریانهای احتمالی برای یادگیری توزیع دادهها بهره میبرند.
سازی
منبع: arXiv Machine Learning