Identifikace částic pomocí BDT
Boosted Decision Trees (BDT) jsou výkonné multivariátní klasifikátory používané ve fyzice částic k rozlišení mezi různými typy částic na základě detektorových signatur. Kombinací mnoha slabých rozhodovacích stromů pomocí adaptivního boostingu dosahují BDT vynikající diskriminační schopnosti ve srovnání s jednoduchými řezy, což umožňuje zlepšenou čistotu a účinnost při identifikaci částic a odmítání pozadí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/cs/particle-physics/bdt-particle-identification
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Algoritmus anti-kT pro tryskyČásticová fyzika↔ porovnat
- Rekonstrukce drah v HEPČásticová fyzika↔ porovnat
- Chybějící transverzální energieČásticová fyzika↔ porovnat
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →