Identifikimi i grimcave me BDT
Pemët e vendimmarrjes së përforcuar (BDT) janë klasifikatorë të fuqishëm multidimensionalë të përdorur në fizikën e grimcave për të dalluar midis llojeve të ndryshme të grimcave bazuar në sinjalet e detektorit. Duke kombinuar shumë pemë vendimmarrjeje të dobëta përmes përforcimit adaptiv, BDT arrijnë fuqi superiore diskriminuese krahasuar me prerjet e thjeshta, duke mundësuar pastërti dhe efikasitet të përmirësuar në identifikimin e grimcave dhe refuzimin e sfondit.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/sq/particle-physics/bdt-particle-identification
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Algoritmi i Anti-kT JetFizika e grimcave↔ krahaso
- Rikthimi i gjurmëve në HEPFizika e grimcave↔ krahaso
- Energjia e munguar transversaleFizika e grimcave↔ krahaso
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →