All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Development of statistical nonparametric and divergence methods for data processing in D0 and NOvA experiments

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F16%3A00304786" target="_blank" >RIV/68407700:21340/16:00304786 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    čeština

  • Original language name

    Vývoj statistických neparametrických a divergencních metod pro zpracování dat z experimentu D0 a NOvA

  • Original language description

    Binární rozhodovací stromy jsou casto užívaným nástrojem pri klasifikaci vícerozmerných dat, napríklad v oblasti cásticové fyziky. Prezentujeme proto návrh nového binárního divergencního rozhodovacího stromu s ucitelem s vnorenou separacní metodou založenou na jádrových odhadech hustoty pravdepodobnosti. V každém uzlu stromu provádí vnorená metoda klasifikaci pouze na omezeném poctu vhodne vybraných fyzikálních promenných. Výber promenných je založen na maximalizaci divergencní míry mezi dvema separovanými trídami pozorování. Za úcelem trénování separace aplikujeme separacní strom na soubor Monte Carlo simulace dat pocházejících z cásticového urychlovace Tevatron pri experimentu DØ ve Fermilabu. Kvuli aplikaci metody na reálná data pak rovnež testujeme korektní selekci promenných v simulaci Monte Carlo a predstavíme modifikace testu pro vážené prvky v souborech pozorování.

  • Czech name

    Vývoj statistických neparametrických a divergencních metod pro zpracování dat z experimentu D0 a NOvA

  • Czech description

    Binární rozhodovací stromy jsou casto užívaným nástrojem pri klasifikaci vícerozmerných dat, napríklad v oblasti cásticové fyziky. Prezentujeme proto návrh nového binárního divergencního rozhodovacího stromu s ucitelem s vnorenou separacní metodou založenou na jádrových odhadech hustoty pravdepodobnosti. V každém uzlu stromu provádí vnorená metoda klasifikaci pouze na omezeném poctu vhodne vybraných fyzikálních promenných. Výber promenných je založen na maximalizaci divergencní míry mezi dvema separovanými trídami pozorování. Za úcelem trénování separace aplikujeme separacní strom na soubor Monte Carlo simulace dat pocházejících z cásticového urychlovace Tevatron pri experimentu DØ ve Fermilabu. Kvuli aplikaci metody na reálná data pak rovnež testujeme korektní selekci promenných v simulaci Monte Carlo a predstavíme modifikace testu pro vážené prvky v souborech pozorování.

Classification

  • Type

    O - Miscellaneous

  • CEP classification

    BB - Applied statistics, operational research

  • OECD FORD branch

Result continuities

  • Project

    Result was created during the realization of more than one project. More information in the Projects tab.

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Others

  • Publication year

    2016

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů