Ajuda a proteger a Grande Barreira de Corais com TensorFlow em Kaggle Junte Desafio

higgs

  • Descrição:

Os dados foram produzidos usando simulações de Monte Carlo. Os primeiros 21 recursos (colunas 2-22) são propriedades cinemáticas medidas pelos detectores de partículas no acelerador. Os últimos sete recursos são funções dos primeiros 21 recursos; esses são recursos de alto nível derivados por físicos para ajudar a discriminar entre as duas classes. Há interesse em usar métodos de aprendizado profundo para evitar a necessidade de os físicos desenvolverem manualmente esses recursos. Os resultados de benchmark usando árvores de decisão bayesianas de um pacote de física padrão e redes neurais de 5 camadas são apresentados no artigo original.

Dividir Exemplos
'train' 11.000.000
  • Características:
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,
})
  • citação:
@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;%%"
}