人工神经网络和增强决策树的稳定性和鲁棒性研究
摘要：人工神经网络（ANN）和增强决策树（BDT）在MiniBooNE蒙特卡洛样本上的性能、稳定性和鲁棒性进行了比较。这些方法旨在根据一些识别变量对事件进行分类。我们之前的出版物中讨论过BDT算法。本文通过扰动和改变测试样本的输入变量来进行测试。根据这些研究结果，BDT的粒子鉴别性能优于ANN。对于通过扰动或改变测试结果的变量的分类结果，BDT的降级比ANN小。
作者：Hai-Jun Yang, Byron P. Roe, Ji Zhu
论文ID：physics/0610276
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23