Identificação de Partículas por BDT
Árvores de Decisão Potencializadas (BDTs) são classificadores multivariados poderosos usados em física de partículas para distinguir entre diferentes tipos de partículas com base em assinaturas de detectores. Ao combinar muitas árvores de decisão fracas através de boosting adaptativo, os BDTs alcançam poder de discriminação superior em comparação com cortes simples, permitindo melhor pureza e eficiência na identificação de partículas e rejeição de fundo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/pt/particle-physics/bdt-particle-identification
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Algoritmo de Jato anti-kTFísica de partículas↔ comparar
- HEP Track ReconstructionFísica de partículas↔ comparar
- Energia Transversa AusenteFísica de partículas↔ comparar
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →