Next: Структура созданных нейронных сетей
Up: Применение метода нейронных сетей
Previous: Использование нейронной сети для
  Contents
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
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 4.1, 4.2, 4.3, 4.4,
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 4.1, 4.2, 4.3, 4.4.
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. струи 1 |
|
ГэВ |
, QCD |
2 |
Min. струи 2 |
|
ГэВ |
|
3 |
Min. струи 3 |
|
ГэВ |
|
4 |
Max. псевдорап. струи 1 |
|
|
, QCD |
5 |
Max. псевдорап. струи 2 |
|
|
|
6 |
Max. псевдорап. струи 3 |
|
|
|
7 |
Max. число струй |
|
|
; QCD |
8 |
Min.
|
,
|
ГэВ ( в CC) |
QCD, |
|
|
|
ГэВ ( 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. струи 1 |
|
ГэВ |
, QCD |
2 |
Min. струи 2 |
|
ГэВ |
|
3 |
Min. струи 3 |
|
ГэВ |
|
4 |
Max. псевдорап. струи 1 |
|
|
, QCD |
5 |
Max. псевдорап. струи 2 |
|
|
|
6 |
Max. псевдорап. струи 3 |
|
|
|
7 |
Max. число струй |
|
|
; QCD |
8 |
Min.
|
,
|
ГэВ ( в CC) |
QCD, |
|
|
|
ГэВ ( 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. струи 1 |
|
ГэВ |
, QCD |
2 |
Min. струи 2 |
|
ГэВ |
|
3 |
Min. струи 3 |
|
ГэВ |
|
4 |
Min. струи 4 |
|
ГэВ |
|
5 |
Max. псевдорап. струи 1 |
|
|
, QCD |
6 |
Max. число струй |
|
|
; QCD |
7 |
Min.
|
,
|
ГэВ |
QCD, |
|
Table 4.4:
Начальные критерии отбора тагированного мюонного
канала.
|
|
|
|
|
|
Начальные критерии отбора |
|
|
в тагированном мюонном канале |
Удаляемый |
N |
описание |
название |
обрезание |
фон |
1 |
Min. струи 1 |
|
ГэВ |
, QCD |
2 |
Min. струи 2 |
|
ГэВ |
|
3 |
Max. псевдорап. струи 1 |
|
|
, QCD |
4 |
Max. число струй |
|
|
; QCD |
5 |
Min.
|
,
|
ГэВ |
QCD, |
6 |
Seven-variable neural network |
(NN
) |
|
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 |
|
|
|
|
МК |
|
|
|
|
Фон |
|
|
|
|
МК |
|
|
|
|
МК |
|
|
|
|
МК |
|
|
|
|
МК |
|
|
|
|
МК |
|
|
|
|
МК |
|
|
|
|
QCD |
|
|
|
|
Данные |
|
|
|
|
|
Next: Структура созданных нейронных сетей
Up: Применение метода нейронных сетей
Previous: Использование нейронной сети для
  Contents