کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5493277 | 1526288 | 2016 | 24 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Performance and optimization of support vector machines in high-energy physics classification problems
ترجمه فارسی عنوان
عملکرد و بهینه سازی ماشین های بردار پشتیبانی در مشکلات طبقه بندی انرژی فیزیک با انرژی بالا
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ماشین بردار پشتیبانی، تجزیه و تحلیل چند متغیره، فراتر از جستجوی مدل استاندارد، فیزیک انرژی بالا، سوپرسومتری،
موضوعات مرتبط
مهندسی و علوم پایه
فیزیک و نجوم
ابزار دقیق
چکیده انگلیسی
In this paper we promote the use of Support Vector Machines (SVM) as a machine learning tool for searches in high-energy physics. As an example for a new-physics search we discuss the popular case of Supersymmetry at the Large Hadron Collider. We demonstrate that the SVM is a valuable tool and show that an automated discovery-significance based optimization of the SVM hyper-parameters is a highly efficient way to prepare an SVM for such applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment - Volume 838, 1 December 2016, Pages 137-146
Journal: Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment - Volume 838, 1 December 2016, Pages 137-146
نویسندگان
M.Ã. Sahin, D. Krücker, I.-A. Melzer-Pellmann,