Phân loại hạt bằng BDT
Boosted Decision Trees (BDT) là các bộ phân loại đa biến mạnh mẽ được sử dụng trong vật lý hạt để phân biệt giữa các loại hạt khác nhau dựa trên các đặc trưng của máy dò. Bằng cách kết hợp nhiều cây quyết định yếu thông qua kỹ thuật boosting thích ứng, BDT đạt được khả năng phân biệt vượt trội so với các phương pháp cắt đơn giản, cho phép cải thiện độ tinh khiết và hiệu quả trong việc nhận dạng hạt và loại bỏ nhiễu.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Boosted Decision Tree Particle Identification. ScholarGate. https://scholargate.app/vi/particle-physics/bdt-particle-identification
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Thuật toán Jet anti-kTVật lý hạt↔ so sánh
- Tái tạo quỹ đạo HEPVật lý hạt↔ so sánh
- Thiếu Năng Lượng NgangVật lý hạt↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →