BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
- 提出了一种基于 Normalizing Flows 的无监督版本的 DNNLikelihood，称为 NFLikelihood。
- NFLikelihood 能够学习高能物理分析中的复杂高维似然。
- 使用已有的玩具 LHC 分析例子和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。
- 讨论了无监督方法相对于有监督方法的优缺点。
- 探讨了无监督和有监督方法之间的可能相互作用。
➡️
