加速器中的粒子探测器测量的运动学特性数据集
Scene：
PhysicalData Type：
Classification
VIP下载(最低0.24/天)
下载数据集
20 
257浏览
8下载
1点赞
收藏
分享贡献者查看主页
University of California, Irvine
Education
Data Preview ?
2.6G
Data Structure ?
*数据结构实际以真实数据为准
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
数据使用声明：
- 1、该数据来自于互联网数据采集或服务商的提供，本平台为用户提供数据集的展示与浏览。
- 2、本平台仅作为数据集的基本信息展示、包括但不限于图像、文本、视频、音频等文件类型。
- 3、数据集基本信息来自数据原地址或数据提供方提供的信息，如数据集描述中有描述差异，请以数据原地址或服务商原地址为准。
- 1、本站中的所有数据集的版权都归属于原数据发布者或数据提供方所有。
- 1、如您需要转载本站数据，请保留原数据地址及相关版权声明。
- 1、如本站中的部分数据涉及侵权展示，请及时联系本站，我们会安排进行数据下线。
