在多层层探测器中利用神经网络识别带电粒子时处理缺失数据的方法

利用能量损失技术在中层层探测器中识别带电粒子，也可借助神经网络实现。当大量信息缺失（例如由于探测器效率低下）时，网络性能会变差。过去数年已开发出可提供缺失信息填补方法的算法。在各种方法中，我们聚焦于正态混合模型，并与标准均值填补及多重填补方法进行比较。进一步，为考虑能量损失数据固有的不对称性，我们研究了偏正态混合模型，并在期望最大化（EM）算法框架下给出了处理缺失模式的闭式实现。该方法已应用于一个测试用例：将π介子、K介子与质子在六层硅探测器中的能量损失作为神经网络的输入神经元。结果以不同动量区间中各物种的重建效率与纯度给出。