DEAP-3600实验中基于提升决策树的中子α事件判别方法
仪器与探测器
2020-09-03 v1 天体物理仪器与方法
高能物理 - 实验
摘要
机器学习(ML)已广泛应用于高能物理，以协助物理界进行粒子分类和数据分析。此处我们描述机器学习在解决DEAP-3600暗物质搜寻实验(加拿大SNOLAB)中本底与信号事件分类问题的应用。我们应用ML的提升决策树(BDT)算法，并结合Extra Trees和eXtra Gradient Boosting (XGBoost)方法的改进。
引用
@article{arxiv.2009.00895,
title = {Boosted decision trees approach to neck alpha events discrimination in DEAP-3600 experiment},
author = {Alexey Grobov and Aidar Ilyasov},
journal= {arXiv preprint arXiv:2009.00895},
year = {2020}
}
备注
7 pages, 5 figures, 1 table