کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10350500 | 863852 | 2005 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
PhysicsGP: A Genetic Programming approach to event selection
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
موضوعات مرتبط
مهندسی و علوم پایه
شیمی
شیمی تئوریک و عملی
پیش نمایش صفحه اول مقاله
![عکس صفحه اول مقاله: PhysicsGP: A Genetic Programming approach to event selection PhysicsGP: A Genetic Programming approach to event selection](/preview/png/10350500.png)
چکیده انگلیسی
We present a novel multivariate classification technique based on Genetic Programming. The technique is distinct from Genetic Algorithms and offers several advantages compared to Neural Networks and Support Vector Machines. The technique optimizes a set of human-readable classifiers with respect to some user-defined performance measure. We calculate the Vapnik-Chervonenkis dimension of this class of learning machines and consider a practical example: the search for the Standard Model Higgs Boson at the LHC. The resulting classifier is very fast to evaluate, human-readable, and easily portable. The software may be downloaded at: http://cern.ch/~cranmer/PhysicsGP.html.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Physics Communications - Volume 167, Issue 3, 1 May 2005, Pages 165-176
Journal: Computer Physics Communications - Volume 167, Issue 3, 1 May 2005, Pages 165-176
نویسندگان
Kyle Cranmer, R. Sean Bowman,