Kernel and divergence techniques in high energy physics separations
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F17%3A00314557" target="_blank" >RIV/68407700:21340/17:00314557 - isvavai.cz</a>
Výsledek na webu
<a href="http://iopscience.iop.org/article/10.1088/1742-6596/898/7/072004" target="_blank" >http://iopscience.iop.org/article/10.1088/1742-6596/898/7/072004</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1088/1742-6596/898/7/072004" target="_blank" >10.1088/1742-6596/898/7/072004</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Kernel and divergence techniques in high energy physics separations
Popis výsledku v původním jazyce
Binary decision trees under the Bayesian decision technique are used for supervised classifcation of high-dimensional data. We present a great potential of adaptive kernel density estimation as the nested separation method of the supervised binary divergence decision tree. Also, we provide a proof of alternative computing approach for kernel estimates utilizing Fourier transform. Further, we apply our method to Monte Carlo data set from the particle accelerator Tevatron at D0 experiment in Fermilab and provide final top-antitop signal separation results. We have achieved up to 82% AUC while using the restricted feature selection entering the signal separation procedure.
Název v anglickém jazyce
Kernel and divergence techniques in high energy physics separations
Popis výsledku anglicky
Binary decision trees under the Bayesian decision technique are used for supervised classifcation of high-dimensional data. We present a great potential of adaptive kernel density estimation as the nested separation method of the supervised binary divergence decision tree. Also, we provide a proof of alternative computing approach for kernel estimates utilizing Fourier transform. Further, we apply our method to Monte Carlo data set from the particle accelerator Tevatron at D0 experiment in Fermilab and provide final top-antitop signal separation results. We have achieved up to 82% AUC while using the restricted feature selection entering the signal separation procedure.
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2017
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
898
Číslo periodika v rámci svazku
7
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
7
Strana od-do
—
Kód UT WoS článku
—
EID výsledku v databázi Scopus
2-s2.0-85038594442