Unsupervised learning of lattice models

En este documento hacemos una revisión y aplicamos técnicas de aprendizaje automático no supervisadas a muestras de los sistemas de Ising y XY, generadas por medio de métodos de Monte Carlo. Basándonos en los resultados obtenidos, proponemos un marco probabilístico que permite observar estas técnicas bajo la misma luz y así compararlas tanto cualitativa como cuantitativamente. Específicamente, este marco permite identificar 4 herramientas que nos proveen todos y cada uno de los métodos no supervisados utilizados para analizar las muestras de los sistemas. La existencia de estas herramientas no es evidente para todos los métodos, sino hasta que se comparan por medio del marco común propuesto.

• Autores: Gómez Noriega, Diego Fernando
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/45472
• Acceso en línea: http://hdl.handle.net/1992/45472
• Palabra clave: Aprendizaje automático (Inteligencia artificial); Mecánica estadística; Método de Montecarlo; Física
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/