Identificació de partícules amb arbres de decisió potenciats (BDT)
Els arbres de decisió potenciats (BDT) són classificadors multivariants potents utilitzats en física de partícules per distingir entre diferents tipus de partícules basant-se en signatures del detector. Combinant molts arbres de decisió febles mitjançant el potenciació adaptativa, els BDT aconsegueixen una potència de discriminació superior en comparació amb talls simples, permetent millorar la puresa i l'eficiència en la identificació de partícules i el rebuig de fons.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/ca/particle-physics/bdt-particle-identification
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Algorisme de jets anti-kTFísica de partícules↔ compara
- Reconstrucció de Trajectòries en HEPFísica de partícules↔ compara
- Energia transversal perdudaFísica de partícules↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →