Comparison of machine learning approach to other commonly used unfolding methods

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F21%3A73607798" target="_blank" >RIV/61989592:15310/21:73607798 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.actaphys.uj.edu.pl/fulltext?series=Reg&vol=52&page=863" target="_blank" >https://www.actaphys.uj.edu.pl/fulltext?series=Reg&vol=52&page=863</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5506/APhysPolB.52.863" target="_blank" >10.5506/APhysPolB.52.863</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Comparison of machine learning approach to other commonly used unfolding methods
Popis výsledku v původním jazyce
Unfolding in high energy physics represents the correction of measured spectra in data for the finite detector efficiency, acceptance, and resolution from the detector to particle level. Recent machine learning approaches provide unfolding on an event-by-event basis allowing to simultaneously unfold a large number of variables and thus to cover a wider region of the features that affect detector response. This study focuses on a simple comparison of commonly used methods in RooUnfold package to the machine learning package OmniFold.
Název v anglickém jazyce
Comparison of machine learning approach to other commonly used unfolding methods
Popis výsledku anglicky
Unfolding in high energy physics represents the correction of measured spectra in data for the finite detector efficiency, acceptance, and resolution from the detector to particle level. Recent machine learning approaches provide unfolding on an event-by-event basis allowing to simultaneously unfold a large number of variables and thus to cover a wider region of the features that affect detector response. This study focuses on a simple comparison of commonly used methods in RooUnfold package to the machine learning package OmniFold.

Projekt
<a href="/cs/project/GA19-21484S" target="_blank" >GA19-21484S: Nové techniky rekonstrukce boostovaných top kvarků pro hledání nové fyziky na LHC</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)