潜空间中的隆起搜寻
高能物理 - 唯象学
2022-06-08 v2 机器学习
高能物理 - 实验
摘要
无监督异常检测在未来于大型数据集中搜寻稀有现象的分析中可能至关重要，例如 LHC 上收集的数据。为此，我们引入了一种受物理学启发的变分自编码器(VAE)架构，该架构在 LHC Olympics 机器学习挑战数据集上表现具有竞争力且稳健。我们展示了如何将一些物理可观测量直接嵌入 VAE 潜空间，同时使分类器明显地对它们保持不可知，从而有助于识别并刻画测量能谱中由数据集中存在异常所引起的特征。
引用
@article{arxiv.2103.06595,
title = {Bump Hunting in Latent Space},
author = {Blaž Bortolato and Barry M. Dillon and Jernej F. Kamenik and Aleks Smolkovič},
journal= {arXiv preprint arXiv:2103.06595},
year = {2022}
}
备注
Version as published