Identyfikacja cząstek za pomocą BDT
Drzewa decyzyjne wzmocnione (BDT) to potężne klasyfikatory wielowymiarowe stosowane w fizyce cząstek do rozróżniania między różnymi typami cząstek na podstawie sygnatur detektora. Łącząc wiele słabych drzew decyzyjnych poprzez adaptacyjne wzmacnianie, BDT osiągają lepszą moc dyskryminacji w porównaniu do prostych cięć, umożliwiając poprawę czystości i efektywności w identyfikacji cząstek oraz odrzucaniu tła.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 cytować tę stronę
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/pl/particle-physics/bdt-particle-identification
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Algorytm strumieni anty-kTFizyka cząstek elementarnych↔ porównaj
- Rekonstrukcja torów w fizyce wysokich energiiFizyka cząstek elementarnych↔ porównaj
- Brakująca energia poprzecznaFizyka cząstek elementarnych↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →