用于稳健无监督新物理搜索的对抗训练自编码器
高能物理 - 唯象学
2019-10-21 v2
摘要
粒子物理中的机器学习技术在直接训练于数据时最为强大，可避免对理论不确定性的敏感或对预期信号的潜在偏差。为能在新物理搜索中训练于数据，异常检测方法必不可少，其可由作为无监督分类器的自编码器实现。影响分类器的最后不确定性来源是末态对象重建中的实验不确定性。为减轻其对分类器的影响并实现对方法的现实评估，我们提出将自编码器与对抗神经网络结合，以消除其对末态对象涂抹的敏感性。我们量化了其效果，并展示可在共振诱导的末态中实现稳健异常检测。
引用
@article{arxiv.1905.10384,
title = {Adversarially-trained autoencoders for robust unsupervised new physics searches},
author = {Andrew Blance and Michael Spannowsky and Philip Waite},
journal= {arXiv preprint arXiv:1905.10384},
year = {2019}
}
备注
19 pages, 7 figures. V2: Some discussions extended, agrees with version published in JHEP