Process / pipelineMultivariate classifier
BDT粒子識別
ブースト決定木（BDT）は、検出器のシグネチャに基づいて異なる粒子タイプを区別するために素粒子物理学で使用される強力な多変量分類器です。アダプティブブースティングを通じて多数の弱い決定木を組み合わせることで、BDTは単純なカットと比較して優れた識別能力を達成し、粒子識別と背景除去における純度と効率の向上を可能にします。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/ja/particle-physics/bdt-particle-identification
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- 反kTジェットアルゴリズム素粒子物理学↔ 比較
- HEP Track Reconstruction素粒子物理学↔ 比較
- ミッシング横方向エネルギー素粒子物理学↔ 比較