粒子物理中信号/背景判别的神经网络贝叶斯学习
数据分析、统计与概率
2007-07-09 v1
摘要
神经网络广泛应用于粒子物理研究中的分类问题。由于神经网络的训练可视为推断问题，神经网络的贝叶斯学习相比传统学习方法能提供更优且更稳健的结果。我们以在 Tevatron 上寻找第二代轻子夸克（leptoquarks）过程中的信号/背景判别为例，研究了贝叶斯神经网络的应用。我们对比了前馈神经网络经传统训练与经贝叶斯方法训练所得的结果。
引用
@article{arxiv.0707.0930,
title = {Bayesian Learning of Neural Networks for Signal/Background Discrimination in Particle Physics},
author = {Michael Pogwizd and Laura Jane Elgass and Pushpalatha C. Bhat},
journal= {arXiv preprint arXiv:0707.0930},
year = {2007}
}
备注
3 pages, 4 figures, conference proceedings