Entropia libera in modelli di inferenza: il caso del modello matrice-tensore con segnale

Bertozzi, Emma (2026) Entropia libera in modelli di inferenza: il caso del modello matrice-tensore con segnale. [Laurea], Università di Bologna, Corso di Studio in Matematica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (810kB) | Contatta l'autore

Abstract

Questa tesi affronta l’inferenza statistica in alta dimensione adottando una prospettiva bayesiana e sfruttando il legame tra teoria dell’informazione e meccanica statistica dei sistemi disordinati. L’elaborato si concentra sul modello spiked mixed matrix-tensor nel paradigma insegnante-studente, il cui obiettivo è ricostruire un segnale incognito (spike) a partire da due osservazioni rumorose: una matrice e un tensore. Questo modello composito permette di analizzare il rapporto tra la quantità di informazione disponibile e la possibilità di estrarla efficientemente, studiando l’interazione tra regimi a diversa difficoltà computazionale. Vengono introdotti i fondamenti dell’inferenza bayesiana, lo stimatore MMSE, la formulazione in meccanica statistica tramite funzione di partizione ed entropia libera e risultati fondamentali quali l’identità di Nishimori e il Teorema I-MMSE, illustrati attraverso un esempio di denoising. Successivamente viene analizzato il modello spiked matrix-tensor, studiando il limite asintotico dell’entropia libera mediante l’interpolazione di Guerra e lo schema di Aizenman–Sims–Starr. Infine, il confronto tra il limite informazionale teorico e le soglie algoritmiche di Approximate Message Passing e dinamica di Langevin permette di evidenziare la distinzione tra ricostruibilità informazionale e accessibilità computazionale del segnale.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Bertozzi, Emma
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
inferenza bayesiana,meccanica statistica,entropia libera,modello spiked mixed matrix-tensor,identità di Nishimori,Teorema I-MMSE,interpolazione di Guerra,schema di Aizenman-Sims-Starr,algoritmo di Approximate Message Passing,dinamica di Langevin
Data di discussione della Tesi
25 Settembre 2026
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^