统计模式识别：基于动力学标准的 $\nu_{\mu}\to\nu_{\tau}$ 振荡搜索中的应用

我们系统地运用经典统计技术（如多维似然和Fisher判别方法）以及多层感知器和学习向量量化神经网络，以寻找 $\nu_\mu \to \nu_\tau$ 振荡搜索的最佳灵敏度。我们发现，在基于动力学标准的一般直接 $\nu_\tau$ 出现搜索中：a)仅使用三个变量（$E_{visible}$、$P_{T}^{miss}$ 和 $\rho_{l}$）及其相关性即可获得最佳判别功效。增加变量的数量（或变量的组合）仅增加问题的复杂性，但不会导致对预期灵敏度的合理变化。b)多层感知器方法提供了最佳性能。为了对这些观点进行数值验证，我们考虑了在CNGS束中使用液氦TPD探测器的 $\nu_\tau$ 出现问题。