利用多个参考数据集进行共振异常检测
高能物理 - 唯象学
2023-08-09 v1 机器学习
高能物理 - 实验
机器学习
摘要
高能物理中用于共振异常检测的一类重要技术构建了能够区分参考数据集和目标数据集的模型，其中只有后者具有可观的信号。此类技术，包括无标签分类（CWoLa）和模拟辅助无似然异常检测（SALAD），依赖于单一参考数据集。它们无法利用通常可用的多个数据集，因此无法充分利用可用信息。在这项工作中，基于弱监督技术，我们提出了在具有多个参考数据集可用的情况下 CWoLa 和 SALAD 的推广。我们在使用真实数据和合成数据的多种设置中展示了性能的提升。作为一个额外的好处，我们的推广使我们能够提供有限样本保证，改进了现有的渐近分析。
引用
@article{arxiv.2212.10579,
title = {Resonant Anomaly Detection with Multiple Reference Datasets},
author = {Mayee F. Chen and Benjamin Nachman and Frederic Sala},
journal= {arXiv preprint arXiv:2212.10579},
year = {2023}
}