Ідентифікація частинок за допомогою зважених дерев рішень (BDT)
Зважені дерева рішень (BDT) є потужними багатовимірними класифікаторами, що використовуються у фізиці частинок для розрізнення різних типів частинок на основі сигнатур детекторів. Комбінуючи багато слабких дерев рішень за допомогою адаптивного бустингу, BDT досягають вищої дискримінаційної здатності порівняно з простими відсіченнями, забезпечуючи покращену чистоту та ефективність ідентифікації частинок і відхилення фону.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/uk/particle-physics/bdt-particle-identification
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Алгоритм струменів anti-kTФізика елементарних частинок↔ порівняти
- Реконструкція треків у фізиці високих енергійФізика елементарних частинок↔ порівняти
- Відсутня поперечна енергіяФізика елементарних частинок↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →