Divergence separation techniques for high energy physics data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F15%3A00236279" target="_blank" >RIV/68407700:21340/15:00236279 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Divergence separation techniques for high energy physics data

Popis výsledku v původním jazyce

Binary decision trees are widely used tool for unsupervised classication of high-dimensional data, for example among particle physicists. We present our proposal of the super-vised binary divergence decision tree with nested separation method based on the generalized linear models. A key insight we provide is the clustering driven only by a few selected physi-cal variables. The proper selection consists of the variables achieving the maximal divergence measure between two different classes. Further we apply our method to Monte Carlo data set simulating measured observations from the particle accelerator at D? experiment in Fermilab. We also introduce the modification of statistical tests applicable to weighted data sets in order to test homogeneity ofthe Monte Carlo simulation and real data.

Název v anglickém jazyce

Divergence separation techniques for high energy physics data

Popis výsledku anglicky

Binary decision trees are widely used tool for unsupervised classication of high-dimensional data, for example among particle physicists. We present our proposal of the super-vised binary divergence decision tree with nested separation method based on the generalized linear models. A key insight we provide is the clustering driven only by a few selected physi-cal variables. The proper selection consists of the variables achieving the maximal divergence measure between two different classes. Further we apply our method to Monte Carlo data set simulating measured observations from the particle accelerator at D? experiment in Fermilab. We also introduce the modification of statistical tests applicable to weighted data sets in order to test homogeneity ofthe Monte Carlo simulation and real data.

Druh

D - Stať ve sborníku

CEP obor

BF - Elementární částice a fyzika vysokých energií

OECD FORD obor

—

Projekt

<a href="/cs/project/LG15047" target="_blank" >LG15047: Spolupráce na experimentech ve Fermiho národní laboratoři, USA</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

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

SPMS 2015 - Stochastic and Physical Monitoring Systems - Proceedings

ISBN

978-80-01-05841-1

ISSN

—

e-ISSN

—

Počet stran výsledku

13

Strana od-do

7-19

Název nakladatele

ČVUT

Místo vydání

Praha

Místo konání akce

Drhleny

Datum konání akce

22. 6. 2015

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—