Αναγνώριση Σωματιδίων BDT
Τα Ενισχυμένα Δέντρα Απόφασης (BDT) είναι ισχυροί πολυμεταβλητοί ταξινομητές που χρησιμοποιούνται στη φυσική σωματιδίων για τη διάκριση μεταξύ διαφορετικών τύπων σωματιδίων βάσει υπογραφών ανιχνευτών. Συνδυάζοντας πολλά αδύναμα δέντρα απόφασης μέσω προσαρμοστικής ενίσχυσης, τα BDT επιτυγχάνουν ανώτερη διακριτική ικανότητα σε σύγκριση με απλές περικοπές, επιτρέποντας βελτιωμένη καθαρότητα και αποδοτικότητα στην αναγνώριση σωματιδίων και την απόρριψη υποβάθρου.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/el/particle-physics/bdt-particle-identification
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Αλγόριθμος Jet anti-kTΦυσική Σωματιδίων↔ σύγκριση
- Ανακατασκευή ίχνους Υψηλής ΕνέργειαςΦυσική Σωματιδίων↔ σύγκριση
- Ελλιπής Εγκάρσια ΕνέργειαΦυσική Σωματιδίων↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →