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

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>

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

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

—