Identificazione di Particelle con BDT
Gli Alberi Decisionali Potenziati (BDT) sono potenti classificatori multivariati utilizzati nella fisica delle particelle per distinguere tra diversi tipi di particelle basandosi sulle firme del rivelatore. Combinando molti alberi decisionali deboli attraverso il potenziamento adattivo, i BDT ottengono un potere discriminatorio superiore rispetto ai semplici tagli, consentendo una migliore purezza ed efficienza nell'identificazione delle particelle e nel rigetto dello sfondo.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/it/particle-physics/bdt-particle-identification
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Algoritmo anti-kT per jetFisica delle particelle↔ confronta
- Ricostruzione delle tracce in fisica delle alte energieFisica delle particelle↔ confronta
- Energia Trasversa MancanteFisica delle particelle↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →