- תיאור:
הנתונים הופקו באמצעות סימולציות של מונטה קרלו. 21 המאפיינים הראשונים (עמודים 2-22) הם תכונות קינמטיות הנמדדות על ידי גלאי החלקיקים במאיץ. שבעת התכונות האחרונות הן פונקציות של 21 התכונות הראשונות; אלה תכונות ברמה גבוהה הנגזרות על ידי פיזיקאים כדי לסייע להפלות בין שתי המעמדות. יש אינטרס להשתמש בשיטות למידה עמוקה כדי למנוע את הצורך של פיזיקאים לפתח תכונות כאלה באופן ידני. תוצאות אמת מידה באמצעות עצי החלטה בייזיים מחבילת פיזיקה סטנדרטית ורשתות עצביות בעלות 5 שכבות מוצגות בעיתון המקורי.
קוד מקור:
tfds.structured.Higgs
גרסאות:
-
2.0.0
(ברירת מחדל): API פיצול החדש ( https://tensorflow.org/datasets/splits )
-
גודל ההורדה:
2.62 GiB
גודל בסיס הנתונים:
Unknown size
Auto-במטמון ( תיעוד ): לא ידוע
פיצולים:
לְפַצֵל | דוגמאות |
---|---|
'train' | 11,000,000 |
- מאפיינים:
FeaturesDict({
'class_label': tf.float32,
'jet_1_b-tag': tf.float64,
'jet_1_eta': tf.float64,
'jet_1_phi': tf.float64,
'jet_1_pt': tf.float64,
'jet_2_b-tag': tf.float64,
'jet_2_eta': tf.float64,
'jet_2_phi': tf.float64,
'jet_2_pt': tf.float64,
'jet_3_b-tag': tf.float64,
'jet_3_eta': tf.float64,
'jet_3_phi': tf.float64,
'jet_3_pt': tf.float64,
'jet_4_b-tag': tf.float64,
'jet_4_eta': tf.float64,
'jet_4_phi': tf.float64,
'jet_4_pt': tf.float64,
'lepton_eta': tf.float64,
'lepton_pT': tf.float64,
'lepton_phi': tf.float64,
'm_bb': tf.float64,
'm_jj': tf.float64,
'm_jjj': tf.float64,
'm_jlv': tf.float64,
'm_lv': tf.float64,
'm_wbb': tf.float64,
'm_wwbb': tf.float64,
'missing_energy_magnitude': tf.float64,
'missing_energy_phi': tf.float64,
})
מפתחות השגחה (ראה
as_supervised
doc ):None
איור ( tfds.show_examples ): לא נתמך.
דוגמאות ( tfds.as_dataframe ):
- ציטוט:
@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;%%"
}