粒子分类中增强型神经网络的高能物理应用研究
高能物理 - 唯象学
2007-05-23 v1
摘要
讨论了增强型神经网络在粒子分类中高能物理的应用。构建了一个二维玩具模型，其中信号与背景之间的边界是不重叠但非规则的，以展示增强技术如何与神经网络协同工作。发现增强型神经网络不仅显著降低了分类错误率，还提高了效率和信噪比。此外，增强型神经网络可以避免单神经网络设计的不利方面。增强型神经网络也被应用于蒙特卡洛 \EE 碰撞中夸克和胶子喷注的分类，其中两个样本显示出显著的重叠。讨论了增强技术在两种不同的边界情况（有重叠和无重叠）下的性能。
引用
@article{arxiv.hep-ph/0606257,
title = {An Empirical Study of Boosted Neural Network for Particle Classification in High Energy Collisions},
author = {Yu Meiling and Xu Mingmei and Liu Lianshou},
journal= {arXiv preprint arXiv:hep-ph/0606257},
year = {2007}
}
备注
12 pages, 6 figures, 4 tables