Expressive Gaussian mixture models for high-dimensional statistical modelling: simulated data and neural network model files

神经网络模型文件和 Madgraph 事件生成器输出用作论文“学习发现：物理科学中多维模拟和参数推断的表达性高斯混合模型”arXiv:2108.11481 中提出的结果的输入； 2022 马赫学习：科学。技术。 3 015021 代码和模型文件可以在以下位置找到：https://github.com/darrendavidprice/science-discovery/tree/master/expressive_gaussian_mixture_models

Neural network model files and the outputs of the Madgraph event generator serve as inputs for the results presented in the paper *Learning to Discover: Expressive Gaussian Mixture Models for Multidimensional Simulation and Parameter Inference in the Physical Sciences* (arXiv:2108.11481; Mach. Learn. Sci. Technol., 2022, 3, 015021). Code and model files are available at: https://github.com/darrendavidprice/science-discovery/tree/master/expressive_gaussian_mixture_models

搜集汇总

背景与挑战

背景概述

该数据集包含模拟数据和神经网络模型文件，用于支持一篇关于表达性高斯混合模型在物理科学中多维模拟和参数推断的论文。数据集由曼彻斯特大学于2022年发布，相关代码和文件可在GitHub上获取。