基于机器学习的共振异常检测方法的相互作用.
Tobias Golling1, Gregor Kasieczka2, Claudius Krause3
1Département de physique nucléaire et corpusculaire, Université de Genève, 1211 Geneva, Switzerland.
结合机器学习异常检测方法,显著改善了超越标准模型的新物理的搜索. 不同的方法可以识别不同的异常,减少假阳性,并增强大强子对撞机的信号检测.
科学领域:
- 高能物理 高能物理
- 粒子物理学 粒子物理学
- 机器学习 机器学习
背景情况:
- 寻找超越标准模型 (BSM) 的物理学对于理解基本粒子至关重要.
- 基于机器学习的异常检测 (AD) 提供了新的方法来扩展BSM搜索.
- 响应异常检测,假设局部BSM效应,是重点的一个关键领域.
研究的目的:
- 调查不同机器学习异常检测方法在BSM物理搜索中的互补性.
- 通过比较不同的AD方法来量化虚假阳性率的减少.
- 在存在BSM信号时评估方法之间的相关性.
主要方法:
- 利用大型强子对撞机 (LHC) 奥运会数据集进行分析.
- 应用并比较多种不同的机器学习异常检测算法.
- 量化评估方法性能和对模拟和真实数据的协议.
主要成果:
- 不同的异常检测方法在没有信号的情况下识别出不同的信号类事件集.
- 结合多种方法,在检测BSM物理方面取得了显著的收益.
- 当信号存在时,方法显示部分相关性,这表明结合方法的好处.
结论:
- 机器学习异常检测方法的互补性很大.
- 结合不同的AD技术可以提高BSM搜索的稳定性和灵敏性.
- 这种方法加强了LHC和其他碰撞器正在进行的和未来的搜索计划.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
06:01Semi-Automated Analysis of Peak Amplitude and Latency for Auditory Brainstem Response Waveforms Using R
Published on: December 9, 2022
相关概念视频
Sound Waves: Resonance
Respiratory System Abnormal Finding II: Palpation and Auscultation
Palpation Findings
During a respiratory assessment, palpation can reveal several vital abnormalities:
Double Resonance Techniques: Overview
Spin decoupling is usually achieved by...
Concept of Resonance and its Characteristics
Respiratory System Abnormal Finding I: Inspection and Percussion
Inspection Findings
During an inspection, several findings may suggest the presence of respiratory distress or disease. Pursed-lip breathing, where exhalation is slowed by...
Physical Assessment of the Respiratory Tract III: Percussion
Percussion in Respiratory Assessment
Percussion evaluates underlying tissue composition with audible and tactile vibrations,...
