Select Language

AI社区

公开数据集

加速器中的粒子探测器测量的运动学特性数据集

加速器中的粒子探测器测量的运动学特性数据集

2.6G
353 浏览
1 喜欢
8 次下载
0 条讨论
Physical Classification

Data Set Information:数据是使用蒙特卡罗模拟生成的。前21个特征(第2-22列)是由加速器中的粒子探测器测量的运动学特性。最后......

数据结构 ? 2.6G

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    Data Set Information:

    数据是使用蒙特卡罗模拟生成的。前21个特征(第2-22列)是由加速器中的粒子探测器测量的运动学特性。最后七个功能是前21个功能的功能;这些是物理学家用来区分这两个类别的高级特征。人们有兴趣使用深度学习方法来避免物理学家手动开发此类特征的需要。原始文件中给出了使用标准物理包中的贝叶斯决策树和5层神经网络的基准测试结果。最后500000个示例用作测试集。


    Attribute Information:

    The first column is the class label (1 for signal, 0 for background), followed by the 28 features (21 low-level features then 7 high-level features): lepton  pT, lepton  eta, lepton  phi, missing energy magnitude, missing energy phi, jet 1 pt, jet 1 eta, jet 1 phi, jet 1 b-tag, jet 2 pt, jet 2 eta, jet 2 phi, jet 2 b-tag, jet 3 pt, jet 3 eta, jet 3 phi, jet 3 b-tag, jet 4 pt, jet 4 eta, jet 4 phi, jet 4 b-tag, m_jj, m_jjj, m_lv, m_jlv, m_bb, m_wbb, m_wwbb. For more detailed information about each feature see the original paper.


    Relevant Papers:

    Baldi, P., P. Sadowski, and D. Whiteson. “Searching for Exotic Particles in High-energy Physics with Deep Learning.” Nature Communications 5 (July 2, 2014).


    Citation Request:

    Baldi, P., P. Sadowski, and D. Whiteson. “Searching for Exotic Particles in High-energy Physics with Deep Learning.” Nature Communications 5 (July 2, 2014).


    Daniel Whiteson daniel '@' uci.edu, Assistant Professor, Physics & Astronomy, Univ. of California Irvine

    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:20 去赚积分?
    • 353浏览
    • 8下载
    • 1点赞
    • 收藏
    • 分享