Buchumschlag

Variance Reduction via Simultaneous Importance Sampling and Control Variates Techniques Using Vegas

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shyamsundar, Prasanth, Scott, Jacob L., Mrenna, Stephen, Matchev, Konstantin T., Kong, Kyoungchul
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	High Energy Physics - Phenomenology Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Quantum Algorithm for Model-Independent Searches for New Physics
von: Matchev, Konstantin T., et al.
Veröffentlicht: (2020)

Quantum circuit fidelity estimation using machine learning
von: Vadali, Avi, et al.
Veröffentlicht: (2022)

PanopTag: Simultaneously Tagging All Jets in a Particle Collision Event
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2026)

Flow Annealed Importance Sampling Bootstrap meets Differentiable Particle Physics
von: Kofler, Annalena, et al.
Veröffentlicht: (2024)

HEPTAPOD: Orchestrating High Energy Physics Workflows Towards Autonomous Agency
von: Menzo, Tony, et al.
Veröffentlicht: (2025)

Signal model parameter scan using Normalizing Flow
von: Saito, Masahiko, et al.
Veröffentlicht: (2024)

The role of the Look Elsewhere Effect in determining the significance of an oscillation disappearance search for a light sterile neutrino
von: Ranucci, Gioacchino
Veröffentlicht: (2024)

QCD in Language Models: What do they really know about QCD?
von: Sulc, Antonin, et al.
Veröffentlicht: (2025)

SkyCURTAINs: Model agnostic search for Stellar Streams with Gaia data
von: Sengupta, Debajyoti, et al.
Veröffentlicht: (2024)

Supervised Machine Learning Methods with Uncertainty Quantification for Exoplanet Atmospheric Retrievals from Transmission Spectroscopy
von: Forestano, Roy T., et al.
Veröffentlicht: (2025)

Accelerating HEP simulations with Neural Importance Sampling
von: Deutschmann, Nicolas, et al.
Veröffentlicht: (2024)

Simultaneous Dimensionality Reduction: A Data Efficient Approach for Multimodal Representations Learning
von: Abdelaleem, Eslam, et al.
Veröffentlicht: (2023)

Discovering the Underlying Analytic Structure Within Standard Model Constants Using Artificial Intelligence
von: Chekanov, S. V., et al.
Veröffentlicht: (2025)

Liouville Flow Importance Sampler
von: Tian, Yifeng, et al.
Veröffentlicht: (2024)

Machine Learning-Assisted Unfolding for Neutrino Cross-section Measurements with the OmniFold Technique
von: Huang, Roger G., et al.
Veröffentlicht: (2025)

Stay Positive: Neural Refinement of Sample Weights
von: Nachman, Benjamin, et al.
Veröffentlicht: (2025)

Importance of hyper-parameter optimization during training of physics-informed deep learning networks
von: Lenau, Ashley, et al.
Veröffentlicht: (2024)

ARCANE Reweighting: A Monte Carlo Technique to Tackle the Negative Weights Problem in Collider Event Generation
von: Shyamsundar, Prasanth
Veröffentlicht: (2025)

$M_{TN}$ is all you need: production of multiple semi-invisible resonances at hadron colliders
von: Dong, Zhongtian, et al.
Veröffentlicht: (2024)

Simultaneous Dimensionality Reduction for Extracting Useful Representations of Large Empirical Multimodal Datasets
von: Abdelaleem, Eslam
Veröffentlicht: (2024)

Assessing Convergence Patterns Across Modern Nucleon-Nucleon Potentials
von: Millican, P. J., et al.
Veröffentlicht: (2025)

Assessing Correlated Truncation Errors in Modern Nucleon-Nucleon Potentials
von: Millican, P. J., et al.
Veröffentlicht: (2024)

Profiling systematic uncertainties in Simulation-Based Inference with Factorizable Normalizing Flows
von: Valsecchi, Davide, et al.
Veröffentlicht: (2026)

Impact of recent updates to neutrino oscillation parameters on the effective Majorana neutrino mass in 0$νββ$ Decay
von: Mei, Dongming, et al.
Veröffentlicht: (2024)

Enhancing Precision of Signal Correction in PVES Experiments: The Impact of Bayesian Analysis on the Results of the QWeak and MOLLER Experiments
von: Gorgannejad, Elham, et al.
Veröffentlicht: (2024)

Generative Models and Statistical Validation
von: Diefenbacher, Sascha, et al.
Veröffentlicht: (2026)

EggNet: An Evolving Graph-based Graph Attention Network for Particle Track Reconstruction
von: Calafiura, Paolo, et al.
Veröffentlicht: (2024)

SPARKX: A Software Package for Analyzing Relativistic Kinematics in Collision Experiments
von: Sass, Nils, et al.
Veröffentlicht: (2025)

Exploring Scotogenic Parameter Spaces and Mapping Uncharted Dark Matter Phenomenology with Multi-Objective Search Algorithms
von: de Souza, Fernando Abreu, et al.
Veröffentlicht: (2025)

CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers
von: Baruah, Rajneil, et al.
Veröffentlicht: (2025)

Lorentz-Equivariant Geometric Algebra Transformers for High-Energy Physics
von: Spinner, Jonas, et al.
Veröffentlicht: (2024)

Bayesian model-data comparison incorporating theoretical uncertainties
von: Jaiswal, Sunil, et al.
Veröffentlicht: (2025)

Combining Evolutionary Strategies and Novelty Detection to go Beyond the Alignment Limit of the $Z_3$ 3HDM
von: Romão, Jorge Crispim, et al.
Veröffentlicht: (2024)

Why Is Attention Sparse In Particle Transformer?
von: Legge, Timothy, et al.
Veröffentlicht: (2025)

Anomaly Detection in Collider Physics via Factorized Observables
von: Metodiev, Eric M., et al.
Veröffentlicht: (2023)

Accelerating Resonance Searches via Signature-Oriented Pre-training
von: Li, Congqiao, et al.
Veröffentlicht: (2024)

Relative Advantage: Quantifying Performance in Noisy Competitive Settings
von: Brown, M. R., et al.
Veröffentlicht: (2025)

Conditional splitting probabilities for hidden-state inference in drift-diffusive processes
von: Sezik, Emir, et al.
Veröffentlicht: (2025)

Estimation of Ru-97 Half-Life Using the Most Frequent Value Method and Bootstrapping Techniques
von: Golovko, Victor V.
Veröffentlicht: (2024)

Tracking Dynamical Transitions using Link Density of Recurrence Networks
von: Jacob, Rinku, et al.
Veröffentlicht: (2024)