Process / pipelineMultivariate classifier
تحديد جسيمات BDT
تُعد أشجار القرار المعززة (BDTs) مُصنِّفات متعددة المتغيرات قوية تُستخدم في فيزياء الجسيمات للتمييز بين أنواع الجسيمات المختلفة بناءً على بصمات الكاشف. من خلال الجمع بين العديد من أشجار القرار الضعيفة عبر التعزيز التكيفي، تحقق BDTs قوة تمييز فائقة مقارنةً بالقطع البسيطة، مما يتيح تحسين النقاوة والكفاءة في تحديد الجسيمات ورفض الخلفية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32. DOI: 10.1023/A:1010933404324 ↗
- Kieseler, J., et al. (2016). Machine learning for detector trigger optimization at the LHC. Nuclear Instruments and Methods in Physics Research Section A, 824, 29–37. link ↗
- Aarrestad, T. K., et al. (2021). Machine learning for particle discrimination at the LHC. Journal of Physics: Conference Series, 1525(1), 012034. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/ar/particle-physics/bdt-particle-identification
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- خوارزمية المضاد-kT لتحديد النفثاتفيزياء الجسيمات↔ قارن
- إعادة بناء المسارات في فيزياء الطاقات العاليةفيزياء الجسيمات↔ قارن
- الطاقة المستعرضة المفقودةفيزياء الجسيمات↔ قارن