next up previous contents
Next: Структура созданных нейронных сетей Up: Применение метода нейронных сетей Previous: Использование нейронной сети для   Contents

Новые критерии начального отбора событий

Критерии начального отбора изменились в сторону более жестких обрезаний по сравнению с аналогичными критериями, использовавшимися в классическом анализе 3.3. Изменения связаны, в первую очередь, с желанием удалить из фазового пространства ту часть, в которую дают наибольший вклад некоторые NLO коррекции; как правило это мягкая область по $ P_T$ и малые углы разлета частиц. Такие коррекции сложно учесть при моделировании событий и, следовательно, в таких областях проявляется наибольшее расхождение между собранными данными и смоделированными событиями. С другой стороны, после начальных критериев отбора применяются нейронные сети и, проанализировав эффективность тренировки на событиях после предварительных критериев отбора 3.3, описанных в предыдущей главе, и более жестких обрезаний 4.14.24.34.4, оказалось, что в случае, если до тренировки мы обрезаем область фазового пространства с меньшей вероятностью для сигнала, т.е. ту, которую в любом случае прошлось бы удалить, мы получаем более высокую эффективность регистрации. При этом сами распределения более перекрыты, так как для тренировки оставляется область, где характеристики фона очень близки к характеристикам сигнала. На рисунках 4.8 изображен выход одной из нейронных сетей для сигнала и фона. Левый рисунок 4.8 показывает результат тренировки в области после более мягких обрезаний и соответственно различий между фоном и сигналом больше. На правом рисунке 4.8 показаны распределения выхода сети с более жесткими начальными обрезаниями. Большую часть событий на левом рисунке 4.8 приходится обрезать с помощью нейронных сетей, так как при правильной нормализации распределений фон сильно превышает сигнал. Благодаря более жестким предварительным обрезаниям, мы заранее удаляем часть событий, которые в любом случае будут удалены и тренировка нейронной сети происходит в более жесткой области. Это дает возможность более точно отразить различие и, следовательно, повысить эффективность разделения сигнала и фона именно в наиболее интересной, с точки зрения заключительных результатов, области.

Figure 4.8: Выход нейронной сети для событий после более широких обрезаний начального отбора (описаны в предыдущей главе) - левый рисунок, и после более жестких (описанных в данной главе) - правый рисунок.
figure=ph_region2.ps,height=6cm,width=6.5cm

figure=ph_region4.ps,height=6cm,width=6.5cm

Для каждого канала поиска были выбраны различные начальные критерии отбора. В дополнение к обрезаниям, приведенным в таблице 3.3, были применены следующие наборы, приведенные в таблицах 4.14.24.34.4.


Table 4.1: Начальные критерии отбора не тагированного электронного канала.
         
  Начальные критерии отбора  
  в не тагированном электронном канале Удаляемый
N описание название обрезание фон
1 Min. $ E_T$ струи 1 $ E_T({\rm jet1})$ $ > 20$ ГэВ $ Wjj$, QCD
2 Min. $ E_T$ струи 2 $ E_T({\rm jet2})$ $ >15$ ГэВ  
3 Min. $ E_T$ струи 3 $ E_T({\rm jet3})$ $ >15$ ГэВ  
4 Max. псевдорап. струи 1 $ \vert\eta^{\rm det}({\rm jet1})\vert$ $ < 2.5$ $ Wjj$, QCD
5 Max. псевдорап. струи 2 $ \vert\eta^{\rm det}({\rm jet2})\vert$ $ < 3.0$  
6 Max. псевдорап. струи 3 $ \vert\eta^{\rm det}({\rm jet3})\vert$ $ < 3.0$  
7 Max. число струй $ n_{\rm jets}$ $ \le 3$ $ t\bar{t}$; QCD
8 Min. $ \not\!\!E_T$ $ \not\!\!E_T^{\rm cal}$, $ \not\!\!E_T$ $ > 20$ ГэВ ($ e$ в CC) QCD, $ Wjj$
      $ > 25$ ГэВ ($ e$ в EC)  




Table 4.2: Начальные критерии отбора тагированного электронного канала.
         
  Начальные критерии отбора  
  в тагированном электронном канале Удаляемый
N описание название обрезание фон
1 Min. $ E_T$ струи 1 $ E_T({\rm jet1})$ $ >15$ ГэВ $ Wjj$, QCD
2 Min. $ E_T$ струи 2 $ E_T({\rm jet2})$ $ > 10$ ГэВ  
3 Min. $ E_T$ струи 3 $ E_T({\rm jet3})$ $ > 10$ ГэВ  
4 Max. псевдорап. струи 1 $ \vert\eta^{\rm det}({\rm jet1})\vert$ $ < 2.5$ $ Wjj$, QCD
5 Max. псевдорап. струи 2 $ \vert\eta^{\rm det}({\rm jet2})\vert$ $ < 3.0$  
6 Max. псевдорап. струи 3 $ \vert\eta^{\rm det}({\rm jet3})\vert$ $ < 3.0$  
7 Max. число струй $ n_{\rm jets}$ $ \le 3$ $ t\bar{t}$; QCD
8 Min. $ \not\!\!E_T$ $ \not\!\!E_T^{\rm cal}$, $ \not\!\!E_T$ $ >15$ ГэВ ($ e$ в CC) QCD, $ Wjj$
      $ > 20$ ГэВ ($ e$ в EC)  




Table 4.3: Начальные критерии отбора не тагированного мюонного канала.
         
  Начальные критерии отбора  
  в не тагированном мюонном канале Удаляемый
N описание название обрезание фон
1 Min. $ E_T$ струи 1 $ E_T({\rm jet1})$ $ > 25$ ГэВ $ Wjj$, QCD
2 Min. $ E_T$ струи 2 $ E_T({\rm jet2})$ $ >15$ ГэВ  
3 Min. $ E_T$ струи 3 $ E_T({\rm jet3})$ $ >15$ ГэВ  
4 Min. $ E_T$ струи 4 $ E_T({\rm jet4})$ $ >15$ ГэВ  
5 Max. псевдорап. струи 1 $ \vert\eta^{\rm det}({\rm jet1})\vert$ $ < 3.0$ $ Wjj$, QCD
6 Max. число струй $ n_{\rm jets}$ $ \le 4$ $ t\bar{t}$; QCD
7 Min. $ \not\!\!E_T$ $ \not\!\!E_T^{\rm cal}$, $ \not\!\!E_T$ $ >15$ ГэВ QCD, $ Wjj$




Table 4.4: Начальные критерии отбора тагированного мюонного канала.
         
  Начальные критерии отбора  
  в тагированном мюонном канале Удаляемый
N описание название обрезание фон
1 Min. $ E_T$ струи 1 $ E_T({\rm jet1})$ $ >15$ ГэВ $ Wjj$, QCD
2 Min. $ E_T$ струи 2 $ E_T({\rm jet2})$ $ > 10$ ГэВ  
3 Max. псевдорап. струи 1 $ \vert\eta^{\rm det}({\rm jet1})\vert$ $ < 3.0$ $ Wjj$, QCD
4 Max. число струй $ n_{\rm jets}$ $ \le 4$ $ t\bar{t}$; QCD
5 Min. $ \not\!\!E_T$ $ \not\!\!E_T^{\rm cal}$, $ \not\!\!E_T$ $ >15$ ГэВ QCD, $ Wjj$
6 Seven-variable neural network $ O$(NN $ _{\rm cosmic}$) $ > 0.85$ Cosmic rays



Эффективность начальных критериев отбора для событий, прошедших предварительные критерии отбора 3.1, показана в таблице 4.5.


Table 4.5: Процент событий прошедших начальные обрезания.
         
  Эффективность начальных критериев отбора
Тип Электронный канал Мюонный канал
событий не тагированный тагированный не тагированный тагированный
Сигнал        
  МК $ tb$ $ 61\%$ $ 82\%$ $ 71\%$ $ 53\%$
  МК $ tqb$ $ 47\%$ $ 68\%$ $ 68\%$ $ 54\%$
Фон        
  МК $ t\bar{t}$ $ 15\%$ $ 19\%$ $ 39\%$ $ 27\%$
  МК $ Wb\bar{b}$ $ 30\%$ $ 75\%$ $ 43\%$ $ 47\%$
  МК $ Wc\bar{c}$ $ 24\%$ $ 77\%$ $ 37\%$ $ 46\%$
  МК $ Wjj$ $ 22\%$ $ 64\%$ $ 35\%$ $ 35\%$
  МК $ WW$ $ 34\%$ $ 50\%$ $ 57\%$ $ 52\%$
  МК $ WZ$ $ 37\%$ $ 60\%$ $ 58\%$ $ 45\%$
  QCD $ 1.1\%$ $ 10\%$ $ 23\%$ $ 9\%$
Данные $ 5\%$ $ 12\%$ $ 13\%$ $ 5\%$




next up previous contents
Next: Структура созданных нейронных сетей Up: Применение метода нейронных сетей Previous: Использование нейронной сети для   Contents