Data preprocessing for signal separation in high energy physics experiments

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F18%3A00325059" target="_blank" >RIV/68407700:21340/18:00325059 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Data preprocessing for signal separation in high energy physics experiments

Popis výsledku v původním jazyce

Whilst classifying high energy physics data, it is often necessary to deal with the problem of dataset high dimensions. Dimensionality reduction techniques represent usual way of reducing the number of physical variables while preserving the data structure and the major part of information carried. This enables faster classification algorithms and produces more accurate results. Particularly, influence of the principal component analysis on the quality and speed of the classification by a supervised divergence decision tree is discussed. In the process, the Rényi divergence, kernel density estimator, and optimization numerical techniques, are applied.

Název v anglickém jazyce

Data preprocessing for signal separation in high energy physics experiments

Popis výsledku anglicky

Whilst classifying high energy physics data, it is often necessary to deal with the problem of dataset high dimensions. Dimensionality reduction techniques represent usual way of reducing the number of physical variables while preserving the data structure and the major part of information carried. This enables faster classification algorithms and produces more accurate results. Particularly, influence of the principal component analysis on the quality and speed of the classification by a supervised divergence decision tree is discussed. In the process, the Rényi divergence, kernel density estimator, and optimization numerical techniques, are applied.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

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

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

SPMS 2018 - Stochastic and Physical Monitoring Systems, Proceedings of the international conference

ISBN

978-80-01-06501-3

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

43-48

Název nakladatele

Česká technika - nakladatelství ČVUT

Místo vydání

Praha

Místo konání akce

Dobřichovice

Datum konání akce

18. 6. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—