Nel presente lavoro si indaga l'ambito dell'integrazione numerica e della generazione di eventi secondo una data distribuzione. Tali tecniche sono di primaria importanza nel campo della Fisica delle Alte Energie per ottenere modelli da confrontare con le osservazioni sperimentali. Dopo aver discusso i metodi tradizionali, si è illustrato un approccio alla materia che impiega le Reti Neurali. Dopodichè si è indagata una maniera alternativa di eseguire l'ottimizzazione dei parametri caratteristici della procedura di multichannel importance sampling.
Applicazione di metodi di Machine Learning al calcolo di integrali multidimensionali
MANIACI, FRANCESCO
2021/2022
Abstract
Nel presente lavoro si indaga l'ambito dell'integrazione numerica e della generazione di eventi secondo una data distribuzione. Tali tecniche sono di primaria importanza nel campo della Fisica delle Alte Energie per ottenere modelli da confrontare con le osservazioni sperimentali. Dopo aver discusso i metodi tradizionali, si è illustrato un approccio alla materia che impiega le Reti Neurali. Dopodichè si è indagata una maniera alternativa di eseguire l'ottimizzazione dei parametri caratteristici della procedura di multichannel importance sampling.File in questo prodotto:
File | Dimensione | Formato | |
---|---|---|---|
915812_maniaci_francesco_tesi_triennale.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
404.37 kB
Formato
Adobe PDF
|
404.37 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14240/84691