Divergence separation techniques for high energy physics data
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BF - Elementární částice a fyzika vysokých energií
OECD FORD obor
—
Návaznosti výsledku
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
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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
—