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 técnica...
- 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/
| id |
UNIANDES2_ad8e9476de55d61a283a99dc76fa956a |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/45472 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Botero Mejía, Alonsovirtual::10168-1Gómez Noriega, Diego Fernandoad3832e2-e5b9-4d58-b4b9-0d2cbed5e92d400Forero Romero, Jaime Ernesto2020-09-03T16:01:51Z2020-09-03T16:01:51Z2019http://hdl.handle.net/1992/45472u827558.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.We review and apply several unsupervised machine learning methods to MCMC samples of the Ising and XY systems. Based on the results, we propose a probabilistic framework that allows to see all the methods under the same light and compare them both qualitatively and quantitatively. Specifically, the framework identifies 4 different tools that all of the unsupervised methods provide to analyze the samples. The existence of these tools is not obvious for all the methods until they are compared under this common framework.FísicoPregrado72 hojasapplication/pdfengUniversidad de los AndesFísicaFacultad de CienciasDepartamento de Físicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaUnsupervised learning of lattice modelsTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPAprendizaje automático (Inteligencia artificial)Mecánica estadísticaMétodo de MontecarloFísicaPublicationhttps://scholar.google.es/citations?user=e06A7mUAAAAJvirtual::10168-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000155721virtual::10168-1da9a3753-fd45-4cc7-8177-ee7bb8a61399virtual::10168-1da9a3753-fd45-4cc7-8177-ee7bb8a61399virtual::10168-1TEXTu827558.pdf.txtu827558.pdf.txtExtracted texttext/plain108212https://repositorio.uniandes.edu.co/bitstreams/2cdb11ab-2fa2-4a75-afed-d3af08107902/downloadabeb691ff8a972421f67778a9cb3ba83MD54THUMBNAILu827558.pdf.jpgu827558.pdf.jpgIM Thumbnailimage/jpeg6158https://repositorio.uniandes.edu.co/bitstreams/a819e181-4107-49ce-b5c2-01e51e774625/download62560a6451d1d8e221acc29ff7a57bb5MD55ORIGINALu827558.pdfapplication/pdf17143944https://repositorio.uniandes.edu.co/bitstreams/0968f93b-6127-4ba5-8b96-19ecde490d3f/download5a0f0c79a5bac3c6316a1d9855d51d7dMD511992/45472oai:repositorio.uniandes.edu.co:1992/454722024-03-13 14:07:07.883http://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
| dc.title.es_CO.fl_str_mv |
Unsupervised learning of lattice models |
| title |
Unsupervised learning of lattice models |
| spellingShingle |
Unsupervised learning of lattice models Aprendizaje automático (Inteligencia artificial) Mecánica estadística Método de Montecarlo Física |
| title_short |
Unsupervised learning of lattice models |
| title_full |
Unsupervised learning of lattice models |
| title_fullStr |
Unsupervised learning of lattice models |
| title_full_unstemmed |
Unsupervised learning of lattice models |
| title_sort |
Unsupervised learning of lattice models |
| dc.creator.fl_str_mv |
Gómez Noriega, Diego Fernando |
| dc.contributor.advisor.none.fl_str_mv |
Botero Mejía, Alonso |
| dc.contributor.author.none.fl_str_mv |
Gómez Noriega, Diego Fernando |
| dc.contributor.jury.none.fl_str_mv |
Forero Romero, Jaime Ernesto |
| dc.subject.armarc.es_CO.fl_str_mv |
Aprendizaje automático (Inteligencia artificial) Mecánica estadística Método de Montecarlo |
| topic |
Aprendizaje automático (Inteligencia artificial) Mecánica estadística Método de Montecarlo Física |
| dc.subject.themes.none.fl_str_mv |
Física |
| description |
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. |
| publishDate |
2019 |
| dc.date.issued.none.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-09-03T16:01:51Z |
| dc.date.available.none.fl_str_mv |
2020-09-03T16:01:51Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/45472 |
| dc.identifier.pdf.none.fl_str_mv |
u827558.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/45472 |
| identifier_str_mv |
u827558.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.es_CO.fl_str_mv |
eng |
| language |
eng |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.es_CO.fl_str_mv |
72 hojas |
| dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
| dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.es_CO.fl_str_mv |
Física |
| dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.department.es_CO.fl_str_mv |
Departamento de Física |
| dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
| instname_str |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| reponame_str |
Repositorio Institucional Séneca |
| collection |
Repositorio Institucional Séneca |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/2cdb11ab-2fa2-4a75-afed-d3af08107902/download https://repositorio.uniandes.edu.co/bitstreams/a819e181-4107-49ce-b5c2-01e51e774625/download https://repositorio.uniandes.edu.co/bitstreams/0968f93b-6127-4ba5-8b96-19ecde490d3f/download |
| bitstream.checksum.fl_str_mv |
abeb691ff8a972421f67778a9cb3ba83 62560a6451d1d8e221acc29ff7a57bb5 5a0f0c79a5bac3c6316a1d9855d51d7d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1818111877620695040 |