Хиггс

  • Описание :

Данные были получены с использованием моделирования методом Монте-Карло. Первые 21 характеристика (столбцы 2-22) представляют собой кинематические свойства, измеряемые детекторами частиц в ускорителе. Последние семь функций являются функциями первых 21 функции; это признаки высокого уровня, полученные физиками, чтобы помочь различать два класса. Существует интерес к использованию методов глубокого обучения, чтобы избавить физиков от необходимости вручную разрабатывать такие функции. Результаты тестов с использованием байесовских деревьев решений из стандартного физического пакета и 5-слойных нейронных сетей представлены в оригинальной статье.

Расколоть Примеры
'train' 11 000 000
  • Структура функции :
FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
class_label Тензор поплавок32
jet_1_b-тег Тензор поплавок64
jet_1_eta Тензор поплавок64
jet_1_phi Тензор поплавок64
jet_1_pt Тензор поплавок64
jet_2_b-тег Тензор поплавок64
jet_2_eta Тензор поплавок64
jet_2_phi Тензор поплавок64
jet_2_pt Тензор поплавок64
jet_3_b-тег Тензор поплавок64
jet_3_eta Тензор поплавок64
jet_3_phi Тензор поплавок64
jet_3_pt Тензор поплавок64
jet_4_b-тег Тензор поплавок64
jet_4_eta Тензор поплавок64
jet_4_phi Тензор поплавок64
jet_4_pt Тензор поплавок64
lepton_eta Тензор поплавок64
lepton_pT Тензор поплавок64
лептон_фи Тензор поплавок64
m_bb Тензор поплавок64
m_jj Тензор поплавок64
m_jjj Тензор поплавок64
m_jlv Тензор поплавок64
m_lv Тензор поплавок64
m_wbb Тензор поплавок64
m_wwbb Тензор поплавок64
missing_energy_magnitude Тензор поплавок64
missing_energy_phi Тензор поплавок64
  • Цитата :
@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}
,

  • Описание :

Данные были получены с использованием моделирования методом Монте-Карло. Первые 21 характеристика (столбцы 2-22) представляют собой кинематические свойства, измеряемые детекторами частиц в ускорителе. Последние семь функций являются функциями первых 21 функции; это признаки высокого уровня, полученные физиками, чтобы помочь различать два класса. Существует интерес к использованию методов глубокого обучения, чтобы избавить физиков от необходимости вручную разрабатывать такие функции. Результаты тестов с использованием байесовских деревьев решений из стандартного физического пакета и 5-слойных нейронных сетей представлены в оригинальной статье.

Расколоть Примеры
'train' 11 000 000
  • Структура функции :
FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
class_label Тензор поплавок32
jet_1_b-тег Тензор поплавок64
jet_1_eta Тензор поплавок64
jet_1_phi Тензор поплавок64
jet_1_pt Тензор поплавок64
jet_2_b-тег Тензор поплавок64
jet_2_eta Тензор поплавок64
jet_2_phi Тензор поплавок64
jet_2_pt Тензор поплавок64
jet_3_b-тег Тензор поплавок64
jet_3_eta Тензор поплавок64
jet_3_phi Тензор поплавок64
jet_3_pt Тензор поплавок64
jet_4_b-тег Тензор поплавок64
jet_4_eta Тензор поплавок64
jet_4_phi Тензор поплавок64
jet_4_pt Тензор поплавок64
lepton_eta Тензор поплавок64
lepton_pT Тензор поплавок64
лептон_фи Тензор поплавок64
m_bb Тензор поплавок64
m_jj Тензор поплавок64
m_jjj Тензор поплавок64
m_jlv Тензор поплавок64
m_lv Тензор поплавок64
m_wbb Тензор поплавок64
m_wwbb Тензор поплавок64
missing_energy_magnitude Тензор поплавок64
missing_energy_phi Тензор поплавок64
  • Цитата :
@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}