Идентификация частиц с помощью BDT
Бустинговые деревья решений (BDT) — это мощные многомерные классификаторы, используемые в физике частиц для различения различных типов частиц на основе сигнатур детекторов. Объединяя множество слабых деревьев решений посредством адаптивного бустинга, BDT достигают превосходной дискриминационной способности по сравнению с простыми отсечениями, обеспечивая улучшенную чистоту и эффективность при идентификации частиц и подавлении фона.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/ru/particle-physics/bdt-particle-identification
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Алгоритм струй анти-kTФизика элементарных частиц↔ сравнить
- Реконструкция треков в физике высоких энергийФизика элементарных частиц↔ сравнить
- Недостающая поперечная энергияФизика элементарных частиц↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →