Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Model based clustering method as a new multivariate technique in high energy physics

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F14%3A00210540" target="_blank" >RIV/68407700:21340/14:00210540 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1088/1742-6596/490/1/012225" target="_blank" >http://dx.doi.org/10.1088/1742-6596/490/1/012225</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1088/1742-6596/490/1/012225" target="_blank" >10.1088/1742-6596/490/1/012225</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Model based clustering method as a new multivariate technique in high energy physics

  • Popis výsledku v původním jazyce

    Analysis of the experimental data has one of the most important roles in High Energy Physics. Commonly used multivariate techniques as Boosted Decision Trees or Bayesian Neural Networks are based on learning algorithms using Monte Carlo generated samples. We implemented a new Model Based Clustering (MBC) method using Bayesian statistics and modified iterative EM algorithm for weighted data that have never been applied in this area. This greatly promising method was developed especially for the data collected from the D0 experiment, which was one of two large particle physics experiments at the pp- Tevatron collider at Fermilab. We optimized and tested proposed method in the single top search using a data sample of 9.7fb-1 of integrated luminosity, which corresponds to the entire Run II D0 dataset.

  • Název v anglickém jazyce

    Model based clustering method as a new multivariate technique in high energy physics

  • Popis výsledku anglicky

    Analysis of the experimental data has one of the most important roles in High Energy Physics. Commonly used multivariate techniques as Boosted Decision Trees or Bayesian Neural Networks are based on learning algorithms using Monte Carlo generated samples. We implemented a new Model Based Clustering (MBC) method using Bayesian statistics and modified iterative EM algorithm for weighted data that have never been applied in this area. This greatly promising method was developed especially for the data collected from the D0 experiment, which was one of two large particle physics experiments at the pp- Tevatron collider at Fermilab. We optimized and tested proposed method in the single top search using a data sample of 9.7fb-1 of integrated luminosity, which corresponds to the entire Run II D0 dataset.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LG12020" target="_blank" >LG12020: Využití pokročilé statistické analýzy a nestatistických separačních metod pro detekování fyzikálních procesů v datech snímaných urychlovači elementárních částic.</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Journal of Physics: Conference Series

  • ISSN

    1742-6588

  • e-ISSN

  • Svazek periodika

    490

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    5

  • Strana od-do

  • Kód UT WoS článku

    000335909300223

  • EID výsledku v databázi Scopus