Normalizing Flows to Reconstruct Pseudo-PDFs
यह शोध पत्र एक नवीन ढांचे को प्रस्तुत करता है जो कृत्रिम मैट्रिक्स-एलिमेंट डेटा से पार्टोन डिस्ट्रीब्यूशन फंक्शन्स (PDFs) को पुनर्गठित करने के लिए गाऊसी प्रोसेस प्रायर्स (Gaussian Process priors) को इनवर्टिबल न्यूरल नेटवर्क्स के साथ संयोजित करता है, जो सीमित इओफे-टाइम (Ioffe-time) डेटा के अनुरूप एक पोस्टीरियर वितरण को सीखते हुए भौतिक बाधाओं और एक्सट्रपलेशन गुणों को प्रभावी ढंग से संरक्षित करता है।