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.
ITA
IMPORT DA TESIONLINE
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