NFLikelihood：基于归一化流的无监督 DNNLikelihood
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了 NFLikelihood，这是一种基于 Normalizing Flows 的无监督版本的 DNNLikelihood，通过现实例子展示了基于仿射和有理二次样条双射的自回归流如何学习出现在高能物理分析中的复杂高维似然。我们聚焦于一个已经存在于文献中的玩具 LHC 分析例子以及两个有效场论拟合的味道和电弱观测量，这些样本是通过 HEPFit...
该文介绍了一种基于 Normalizing Flows 的无监督版本的 DNNLikelihood，称为 NFLikelihood，能够学习出现在高能物理分析中的复杂高维似然。作者使用了已有的玩具 LHC 分析例子以及两个有效场论拟合的味道和电弱观测量来展示该方法的有效性，并讨论了无监督方法相对于有监督方法的优缺点以及两者之间的可能相互作用。
