Идентификация на частици чрез BDT
Усилените дървета на решенията (Boosted Decision Trees, BDT) са мощни многовариантни класификатори, използвани във физиката на елементарните частици за разграничаване между различни типове частици въз основа на детекторни сигнатури. Чрез комбиниране на много слаби дървета на решенията посредством адаптивно усилване, BDT постигат превъзходна дискриминационна способност в сравнение с прости разрези, което позволява подобрена чистота и ефективност при идентификацията на частици и отхвърлянето на фон.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/bg/particle-physics/bdt-particle-identification
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Алгоритъм за струи anti-kTФизика на елементарните частици↔ сравняване
- Реконструкция на траектории (HEP Track Reconstruction)Физика на елементарните частици↔ сравняване
- Липсваща напречна енергияФизика на елементарните частици↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →