一种多实例深度神经网络分类器：在希格斯玻色子 CP 测量中的应用

我们研究了一种应用于 $H\rightarrow\tau\tau$ 衰变中希格斯玻色子 CP 态测量的分类器的性质。该问题被构建为应用于单个实例的二分类器。随后利用实例属于同一类的先验知识来定义多实例分类器。其最终得分计算为给定实例序列中单实例得分的乘积。在本文中我们讨论此类分类器的性质，特别是其对序列中实例数量的依赖。该分类器对训练所用 epoch 数表现出很强的随机依赖性，并需要仔细调整分类阈值。我们推导了该最优阈值的公式。