Szczegóły obiektu: How to reconstruct the unknown physical quantities using neural networks?

Instytucja dostarczająca:Repozytorium Uniwersytetu Łódzkiego

Opis

Tytuł:
How to reconstruct the unknown physical quantities using neural networks?
Twórca:
Wolter, Marcin
Współtwórca:
Institute of Nuclear Physics, Polish Academy of Sciences, Kraków
Opis:
Supported in part by Polish Ministry of Science And Higher Education grants 154/6.PRUE/2007 and PBS NR 132/CER/2006/03.;
In this article an application of neural networks to the reconstruction of unknown physical quantities in particle physics is presented. As an example the mass reconstruction of the hypothetical Higgs boson in the typical high energy physics experiment is used. Monte Carlo events are used to determine the probability distributions of observables (energies of two jets and the angle between them) for various Higgs boson mass, which are later fitted using a Neural Network. These distributions are used to determine the mass probability distribution of the measured particle. The mass is reconstructed without knowing the functional dependence between the observables and the measured quantity. The miscalibration of the measured quantities is automatically corrected in this method.;
W artykule zaprezentowane jest zastosowanie sieci neuronowych do rekonstrukcji nieznanych wielkości w fizyce cząstek elementarnych. Jako przykład użyta jest rekonstrukcja masy hipotetycznego bozonu Higgsa oparta na symulowanych danych. Dane te zostały użyte do wyznaczenia rozkładów prawdopodobieństwa mierzonych wielkości (energie dwóch dżetów oraz kąt pomiędzy nimi) dla różnych mas cząstki Higgsa. Rozkłady te zostały następnie sparametryzowane za pomocą sieci neuronowych oraz wyznaczenia rozkładu prawdopodobieństwa masy mierzonej cząstki. Masa jest wyznaczona bez użycia zależności funkcyjnej pomiędzy mierzonymi wielkościami a rekonstruowaną masą. Kalibracja wielkości pomiarowych jest automatycznie korygowana poprzez rozkłady prawdopodobieństwa.;
Zadanie pt. Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki nr 885/P-DUN/2014 zostało dofinansowane ze środków MNiSW w ramach działalności upowszechniającej naukę.
Dostępność obiektu:
Dostęp otwarty
Prawa:
© Copyright by Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2008
Data:
2016.01.03;
2008
Typ:
Article
Język:
angielski
Format:
application/pdf
Wydawca:
Wydawnictwo Uniwersytetu Łódzkiego
Relacja:
Acta Universitatis Lodziensis. Folia Oeconomica;216
Temat i słowa kluczowe:
reconstruction;
physics;
Bayesian;
neural network
Identyfikator:
0208-6018;
http://hdl.handle.net/11089/16203
Dostawca danych:
Repozytorium Uniwersytetu Łódzkiego

Podobne obiekty

How to reconstruct the unknown physical quantities using neural networks?

Twórca:Wolter, Marcin

Data:2016.01.03 | 2008

Rodzaj zawartości:obrazy

A new neural network optimization technique with application to nuclear data basis

Twórca:Kamiński, Wiesław Andrzej (1949- ) | Jaszuk, Marek

Data:2001

Rodzaj zawartości:obrazy

Accuracy evaluation of convolutional neural network classification algorithms for building identification in rural and urban areas from very-high-resolution satellite imagery in Jambi, Indonesia

Twórca:Nugroho, Daniel | Dimyati, Muhammad | Laswanto

Data:2022.12.09

Rodzaj zawartości:teksty

Research on Information Processing System of Sports Combination Training Model Based on Machine Learning and Neural Network

Twórca:Yu, Songmao | Wang, Lei | Li, Tianwei

Data:2024.12.31

Rodzaj zawartości:teksty

Optimization of prediction of morphological disorders of skeletal muscles in experimental acute ischemia-reperfusion on the basis of combined changes in lipid peroxidation and antioxidant protection by neural network clustering

Data:2020.07.31

Rodzaj zawartości:teksty

Dynamics of land cover change in the Anambra River Basin of Nigeria and implications for sustainable land management

Data:2024.03.15

Rodzaj zawartości:pozostałe

Artificial Neural Network as a FPGA Trigger for a Detection of Neutrino-Induced Air Showers

Twórca:Pytel, Krzysztof | Głas, Dariusz | Szadkowski, Zbigniew

Data:2021.11.04 | 2016

Rodzaj zawartości:teksty

Neural networks for the Recognition of X-ray Images of Ailments for Covid-19

Twórca:Diachenko, Liliia | Lazoriak, Oleksandr | Dobrovolsky, Yurii | Prokhorov, Georgii | Shumyliak, Liliia

Data:2022.04.26

Rodzaj zawartości:teksty

Federacja Bibliotek Cyfrowych

Szczegóły obiektu: How to reconstruct the unknown physical quantities using neural networks?

Opis

Podobne obiekty