Copertina

Modeling Sampling Distributions of Test Statistics with Autograd

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Kadhim, Ali Al, Prosper, Harrison B.
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning High Energy Physics - Experiment Computation
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Bayesian Optimization of Pythia8 Tunes
di: Kadhim, Ali Al, et al.
Pubblicazione: (2025)

Comparison of Affine and Rational Quadratic Spline Coupling and Autoregressive Flows through Robust Statistical Tests
di: Coccaro, Andrea, et al.
Pubblicazione: (2023)

Data-Driven High-Dimensional Statistical Inference with Generative Models
di: Amram, Oz, et al.
Pubblicazione: (2025)

Generative Unfolding with Distribution Mapping
di: Butter, Anja, et al.
Pubblicazione: (2024)

FAIR AI Models in High Energy Physics
di: Duarte, Javier, et al.
Pubblicazione: (2022)

Implicit Quantile Networks For Emulation in Jet Physics
di: Kronheim, B., et al.
Pubblicazione: (2023)

Transfer Learning for Neutrino Scattering: Domain Adaptation with GANs
di: Bonilla, Jose L., et al.
Pubblicazione: (2025)

Evidential Deep Learning for Uncertainty Quantification and Out-of-Distribution Detection in Jet Identification using Deep Neural Networks
di: Khot, Ayush, et al.
Pubblicazione: (2025)

A Language Model for Particle Tracking
di: Huang, Andris, et al.
Pubblicazione: (2024)

Bumblebee: Foundation Model for Particle Physics Discovery
di: Wildridge, Andrew J., et al.
Pubblicazione: (2024)

Comparing Generative Models with the New Physics Learning Machine
di: Grossi, Samuele, et al.
Pubblicazione: (2025)

Improving Generative Model-based Unfolding with Schrödinger Bridges
di: Diefenbacher, Sascha, et al.
Pubblicazione: (2023)

Learning to Validate Generative Models: a Goodness-of-Fit Approach
di: Cappelli, Pietro, et al.
Pubblicazione: (2025)

Versatile Energy-Based Probabilistic Models for High Energy Physics
di: Cheng, Taoli, et al.
Pubblicazione: (2023)

EveNet: A Foundation Model for Particle Collision Data Analysis
di: Hsu, Ting-Hsiang, et al.
Pubblicazione: (2026)

Aspen Open Jets: Unlocking LHC Data for Foundation Models in Particle Physics
di: Amram, Oz, et al.
Pubblicazione: (2024)

Re-Simulation-based Self-Supervised Learning for Pre-Training Foundation Models
di: Harris, Philip, et al.
Pubblicazione: (2024)

E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features
di: Islam, Md Raqibul, et al.
Pubblicazione: (2025)

Uncovering Hidden Systematics in Neural Network Models for High Energy Physics
di: Flek, Lucie, et al.
Pubblicazione: (2026)

PQuantML: A Tool for End-to-End Hardware-aware Model Compression
di: Niemi, Roope, et al.
Pubblicazione: (2026)

A Comparison of Deep Learning Models for Proton Background Rejection with the AMS Electromagnetic Calorimeter
di: Hashmani, Raheem Karim, et al.
Pubblicazione: (2024)

TrackFormers Part 2: Enhanced Transformer-Based Models for High-Energy Physics Track Reconstruction
di: Caron, Sascha, et al.
Pubblicazione: (2025)

MACK: Mismodeling Addressed with Contrastive Knowledge
di: Sheldon, Liam Rankin, et al.
Pubblicazione: (2024)

Learning Broken Symmetries with Approximate Invariance
di: Nabat, Seth, et al.
Pubblicazione: (2024)

Integrating Physics Inspired Features with Graph Convolution
di: Sahu, Rameswar
Pubblicazione: (2024)

Machine-Learning Analysis of Radiative Decays to Dark Matter at the LHC
di: Arganda, Ernesto, et al.
Pubblicazione: (2024)

Loss function to optimise signal significance in particle physics
di: Bardhan, Jai, et al.
Pubblicazione: (2024)

PIPPIN: Generating variable length full events from partons
di: Quétant, Guillaume, et al.
Pubblicazione: (2024)

Improvement and generalization of ABCD method with Bayesian inference
di: Alvarez, Ezequiel, et al.
Pubblicazione: (2024)

A Lorentz-Equivariant Transformer for All of the LHC
di: Brehmer, Johann, et al.
Pubblicazione: (2024)

The Landscape of Unfolding with Machine Learning
di: Huetsch, Nathan, et al.
Pubblicazione: (2024)

Improving the performance of weak supervision searches using data augmentation
di: Chen, Zong-En, et al.
Pubblicazione: (2024)

TRANSIT your events into a new mass: Fast background interpolation for weakly-supervised anomaly searches
di: Oleksiyuk, Ivan, et al.
Pubblicazione: (2025)

From Information Geometry to Jet Substructure: A Triality of Cumulant Tensors, Energy Correlators, and Hypergraphs
di: Bal, Aritra, et al.
Pubblicazione: (2026)

$ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows
di: Raine, John Andrew, et al.
Pubblicazione: (2023)

The Pareto Frontier of Resilient Jet Tagging
di: Gambhir, Rikab, et al.
Pubblicazione: (2025)

PCN: A Deep Learning Approach to Jet Tagging Utilizing Novel Graph Construction Methods and Chebyshev Graph Convolutions
di: Semlani, Yash, et al.
Pubblicazione: (2023)

Anomalies, Representations, and Self-Supervision
di: Dillon, Barry M., et al.
Pubblicazione: (2023)

Stable and Interpretable Jet Physics with IRC-Safe Equivariant Feature Extraction
di: Konar, Partha, et al.
Pubblicazione: (2025)

Decorrelation using Optimal Transport
di: Algren, Malte, et al.
Pubblicazione: (2023)