Fugu-MT 論文翻訳(概要): Use of Machine Learning Technique to maximize the signal over background for $H \rightarrow \tau \tau$

論文の概要: Use of Machine Learning Technique to maximize the signal over background for $H \rightarrow \tau \tau$

arxiv url: http://arxiv.org/abs/2106.14257v1
Date: Sun, 27 Jun 2021 15:22:16 GMT
ステータス: 処理完了
システム内更新日: 2021-06-29 17:45:12.074564
Title: Use of Machine Learning Technique to maximize the signal over background for $H \rightarrow \tau \tau$
Title（参考訳）: 機械学習を用いた$H \rightarrow \tau \tau$の背景信号の最大化
Authors: Kanhaiya Gupta
Abstract要約: ANN(Artificial Neural Network)は、パターン認識と機械学習において、数多くのコンテストで優勝している。ここでは、記録されたイベントを信号またはバックグラウンドとして分類するために機械学習技術を用いて、擬似データセットでヒッグス粒子が2tau$ leptonsに崩壊する確率を最大化する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In recent years, artificial neural networks (ANNs) have won numerous contests in pattern recognition and machine learning. ANNS have been applied to problems ranging from speech recognition to prediction of protein secondary structure, classification of cancers, and gene prediction. Here, we intend to maximize the chances of finding the Higgs boson decays to two $\tau$ leptons in the pseudo dataset using a Machine Learning technique to classify the recorded events as signal or background.
Abstract（参考訳）: 近年、ニューラルネットワーク(anns)はパターン認識と機械学習の多くのコンテストで優勝した。 ANNSは、音声認識からタンパク質二次構造予測、がんの分類、遺伝子予測まで、様々な問題に適用されている。ここでは、記録されたイベントを信号またはバックグラウンドとして分類するために機械学習技術を使用して、擬似データセットでヒッグス粒子が2$\tau$ leptonsに崩壊する確率を最大化する。

関連論文リスト

Comparative Analysis of Predicting Subsequent Steps in Hénon Map [0.0]
本研究では,H'enonマップの進化予測における機械学習モデルの性能評価を行った。その結果、LSTMネットワークは、特に極端な事象予測において、予測精度が優れていることが示唆された。この研究は、カオス力学の解明における機械学習の重要性を浮き彫りにする。
論文参考訳（メタデータ） (2024-05-15T17:32:31Z)
Utilizing Machine Learning and 3D Neuroimaging to Predict Hearing Loss: A Comparative Analysis of Dimensionality Reduction and Regression Techniques [0.0]
我々は,脳の灰白質3次元画像における難聴閾値を予測するための機械学習アプローチについて検討した。第1フェーズでは,3次元CNNモデルを用いて,遅延空間への高次元入力を低減した。第2フェーズでは、このモデルを使用して、リッチな機能への入力を削減した。
論文参考訳（メタデータ） (2024-04-30T18:39:41Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Improving Primate Sounds Classification using Binary Presorting for Deep Learning [6.044912425856236]
本稿では,MELスペクトル表現のサブセグメンテーションを初めてリラベルする一般化アプローチを提案する。バイナリプリソートと分類の両方において、畳み込みニューラルネットワーク(CNN)と様々なデータ拡張技術を利用する。本研究は,異なる霊長類種の音の分類を課題とする,挑戦的なTextitComparE 2021データセットについて,本手法の結果を紹介する。
論文参考訳（メタデータ） (2023-06-28T09:35:09Z)
Graph Neural Networks Provably Benefit from Structural Information: A Feature Learning Perspective [53.999128831324576]
グラフニューラルネットワーク(GNN)は、グラフ表現学習の先駆けとなった。本研究では,特徴学習理論の文脈におけるグラフ畳み込みの役割について検討する。
論文参考訳（メタデータ） (2023-06-24T10:21:11Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Dynamic Gesture Recognition [0.0]
従来のコンピュータビジョンアルゴリズムの代わりに、機械学習を使って画像や動画を分類することができる。このプロジェクトの目的は、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の共生を構築することである。
論文参考訳（メタデータ） (2021-09-20T09:45:29Z)
Towards an Understanding of Benign Overfitting in Neural Networks [104.2956323934544]
現代の機械学習モデルは、しばしば膨大な数のパラメータを使用し、通常、トレーニング損失がゼロになるように最適化されている。ニューラルネットワークの2層構成において、これらの良質な過適合現象がどのように起こるかを検討する。本稿では,2層型ReLUネットワーク補間器を極小最適学習率で実現可能であることを示す。
論文参考訳（メタデータ） (2021-06-06T19:08:53Z)
Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
関係データに対するKENNの拡張を提案する。その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
論文参考訳（メタデータ） (2020-09-13T21:12:20Z)
Closed Loop Neural-Symbolic Learning via Integrating Neural Perception, Grammar Parsing, and Symbolic Reasoning [134.77207192945053]
従来の手法は強化学習アプローチを用いてニューラルシンボリックモデルを学ぶ。我々は,脳神経知覚と記号的推論を橋渡しする前に,textbfgrammarモデルをテキストシンボリックとして導入する。本稿では,トップダウンのヒューマンライクな学習手順を模倣して誤りを伝播する新しいtextbfback-searchアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-06-11T17:42:49Z)
Informative Bayesian Neural Network Priors for Weak Signals [15.484976432805817]
2種類のドメイン知識は、科学的な応用で一般的に利用することができる。両種類のドメイン知識を広く使われているガウススケールの混合体にエンコードする方法を示す。従来のニューラルネットワークよりも予測精度が向上したことを実証的に示す。
論文参考訳（メタデータ） (2020-02-24T13:43:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。