Identifikasi Partikel BDT
Boosted Decision Trees (BDT) adalah pengklasifikasi multivariat yang kuat yang digunakan dalam fisika partikel untuk membedakan antara jenis partikel yang berbeda berdasarkan tanda detektor. Dengan menggabungkan banyak pohon keputusan lemah melalui adaptive boosting, BDT mencapai kekuatan diskriminasi yang unggul dibandingkan dengan pemotongan sederhana, memungkinkan peningkatan kemurnian dan efisiensi dalam identifikasi partikel dan penolakan latar belakang.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/id/particle-physics/bdt-particle-identification
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Algoritma Jet Anti-kTFisika Partikel↔ bandingkan
- Rekonstruksi Lintasan HEPFisika Partikel↔ bandingkan
- Energi Transversal HilangFisika Partikel↔ bandingkan
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →