Normalizing Flows: Teoria, Prática e Aplicações

Normalizing Flow é uma técnica de aprendizado de máquina que usa uma série de transformações invertíveis para mapear uma distribuição de probabilidade simples em uma distribuição mais complexa. Essas transformações permitem modelar dados complexos com eficiência, preservando a capacidade de calcular densidades de probabilidade precisas. Neste seminário abordaremos a teoria por trás dos fluxos, além de suas vantagens na classe de modelos generativos. Exploraremos os métodos mais utilizados, dando ênfase à técnica de Acoplamento Afim. Por fim, examinaremos algumas de suas aplicações, especialmente na detecção de anomalias e na previsão de eventos estocásticos.