一种快速灵活的机器学习数据质量监测方法
高能物理 - 实验
2023-03-13 v2
摘要
我们提出一种基于机器学习的粒子探测器实时监测策略。所提策略通过实施似然比假设检验，评估 incoming 实验数据批次与代表正常条件下数据行为的参考样本之间的兼容性。核心模型由近期大规模核方法实现驱动，核方法是一种非参数学习算法，给定足够数据可逼近任意连续函数。所得算法快速、高效且对数据中潜在异常的类型不可知。我们在来自漂移管室缪子探测器的多变量数据上展示了该模型的性能。
引用
@article{arxiv.2301.08917,
title = {A fast and flexible machine learning approach to data quality monitoring},
author = {Gaia Grosso and Nicolò Lai and Marco Letizia and Jacopo Pazzini and Marco Rando and Andrea Wulzer and Marco Zanetti},
journal= {arXiv preprint arXiv:2301.08917},
year = {2023}
}
备注
Accepted at the NeurIPS 2022 workshop: Machine Learning and the Physical Sciences. Full version at arXiv:2303.05413