Искусственные нейронные сети в физике высоких энергий
Artificial neural networks in high-energy physics
2008-01-01
SCID: 54.1/6vz5kat3
Discuss with AI
применения в ФВЭискусственные нейронные сетианализ данныхфизика высоких энергийтипы нейронных сетей
Figures from the paper
Abstract (AI)
Искусственные нейронные сети — это метод машинного обучения, наиболее известный в сообществе физиков высоких энергий. Введённые в этой области в 1988 году и затем прошедшие десятилетие тестов и применений, первоначально принятых со скепсисом сообществом, они стали обычным инструментом анализа данных в физике высоких энергий. В последнем десятилетии с помощью этого метода получены важные физические результаты. Эта лекция представляет введение в тему, рассматривая различные типы искусственных нейронных сетей — некоторые из которых широко используются в физике высоких энергий, а другие ещё не исследованы. Также кратко обсуждаются примеры применений в физике высоких энергий с целью иллюстрации типов задач, которые можно решать с помощью этой техники, а не предоставления обзора таких приложений.
Key Findings
1
ИНС позволили получить важные физические результаты в последние десять лет в области физики высоких энергий.
2
Искусственные нейронные сети (ИНС) используются в физике высоких энергий с 1988 года и стали обычным инструментом анализа данных в последующие десятилетия.
3
Приведены примеры приложений в физике высоких энергий для иллюстрации типов задач, решаемых методами ИНС, а не для исчерпывающего обзора применений.
4
Лекция представляет и обсуждает различные типы ИНС, включая архитектуры, часто используемые в физике высоких энергий, и архитектуры, ещё не исследованные в этой области.
Research Object
Искусственные нейронные сети, применяемые в анализе данных в области физики высоких энергий
Research Subject
Типы, возможности и примерные применения искусственных нейронных сетей для решения задач анализа данных в физике высоких энергий
Publication Details
Publication Date
2008-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest