通过特征重要性提取增强不变的符号可观测量
计算物理
2023-06-26 v1 机器学习
高能物理 - 实验
摘要
高能物理中用于喷注标记的深度学习方法被视为黑箱，其处理大量信息且难以从中提取关键区分性可观测量。在本会议报告中，我们提出一种深度学习的替代方案——增强不变多项式（Boost Invariant Polynomials），其能够直接分析代表给定任务中最重要特征的简单解析表达式。此外，我们展示了该方法如何提供一个极低维分类器，其以最小特征集合表示有效的、具有物理相关性的区分性可观测量，并因此加速算法执行，且性能相对于使用全部信息的算法较为接近。
引用
@article{arxiv.2306.13496,
title = {Retrieval of Boost Invariant Symbolic Observables via Feature Importance},
author = {Jose M Munoz and Ilyes Batatia and Christoph Ortner and Francesco Romeo},
journal= {arXiv preprint arXiv:2306.13496},
year = {2023}
}