用于深度学习分析 HEP 散射过程输入空间构建的通用方案
高能物理 - 唯象学
2020-08-26 v2 数据分析、统计与概率
摘要
深度学习神经网络技术（DNN）是对撞机实验多变量数据分析中最有效且最通用的方法之一。该分析的重要步骤是多变量技术的输入空间优化。在本文中，我们提出了一种通用方案，用于构建对对撞机硬散射过程差异敏感的底层观测量集合。文中表明，无需对运动学性质进行任何复杂分析，利用所提出的通用底层观测量集合即可使 DNN 达到接近最优的性能。
引用
@article{arxiv.2002.09350,
title = {General recipe to form input space for deep learning analysis of HEP scattering processes},
author = {Andrei Chernoded and Lev Dudko and Georgi Vorotnikov and Petr Volkov and Dmitri Ovchinnikov and Maxim Perfilov and Artem Shporin},
journal= {arXiv preprint arXiv:2002.09350},
year = {2020}
}