多变量训练技术与事件加权
摘要：事件重新加权技术是多变量训练算法中采用的一种方法，经过使用人工神经网络（ANN）和提升决策树（BDT）进行开发和测试。将事件重新加权训练与基于ANN和BDT性能的传统等事件加权进行比较。在ATLAS实验的物理分析背景下进行比较，ATLAS实验是位于大型强子对撞机（LHC）中的一个实验，旨在探索物质的基本性质和塑造我们宇宙的基本力。我们证明了事件重新加权技术为事件模式识别提供了一个无偏的多变量训练方法。
作者：Hai-Jun Yang, Tiesheng Dai, Alan Wilson, Zhengguo Zhao, Bing Zhou
论文ID：0708.3635
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2008-11-26