在LHC搜索中部署深度学习的指南：如何实现最优性并考虑不确定性
高能物理 - 唯象学
2020-06-24 v3 高能物理 - 实验
数据分析、统计与概率
摘要
深度学习工具可以将所有可用信息整合到新粒子的搜索中，从而充分利用现有数据。本文回顾了如何利用深度学习最优地整合信息，并明确描述了相应的不确定性来源。简单的示例说明了这些概念如何在实践中应用。
引用
@article{arxiv.1909.03081,
title = {A guide for deploying Deep Learning in LHC searches: How to achieve optimality and account for uncertainty},
author = {Benjamin Nachman},
journal= {arXiv preprint arXiv:1909.03081},
year = {2020}
}
备注
22 pages, 7 figures. v2: expanded discussion on removing sensitivity to theory nuisance parameters. v3: Updated with suggestions from referees