Navigation überspringen
Universitätsbibliothek Heidelberg
Status: Bibliographieeintrag
Standort: ---
Exemplare: ---
heiBIB
 Online-Ressource
Verfasst von:Baldi, Pierre [VerfasserIn]   i
 Blecher, Lukas [VerfasserIn]   i
 Butter, Anja [VerfasserIn]   i
 Collado, Julian [VerfasserIn]   i
 Howard, Jessica N. [VerfasserIn]   i
 Keilbach, Fabian [VerfasserIn]   i
 Plehn, Tilman [VerfasserIn]   i
 Kasieczka, Gregor [VerfasserIn]   i
 Whiteson, Daniel [VerfasserIn]   i
Titel:How to GAN higher jet resolution
Verf.angabe:Pierre Baldi, Lukas Blecher, Anja Butter, Julian Collado, Jessica N. Howard, Fabian Keilbach, Tilman Plehn, Gregor Kasieczka, and Daniel Whiteson
Jahr:2020
Umfang:25 S.
Fussnoten:Identifizierung der Ressource nach: December 3, 2021 ; Gesehen am 20.05.2022
Titel Quelle:Enthalten in: De.arxiv.org
Ort Quelle:[S.l.] : Arxiv.org, 1991
Jahr Quelle:2020
Band/Heft Quelle:(2020), Artikel-ID 2012.11944, Seite 1-25
Abstract:QCD-jets at the LHC are described by simple physics principles. We show how super-resolution generative networks can learn the underlying structures and use them to improve the resolution of jet images. We test this approach on massless QCD-jets and on fat top-jets and find that the network reproduces their main features even without training on pure samples. In addition, we show how a slim network architecture can be constructed once we have control of the full network performance.
DOI:doi:10.48550/arXiv.2012.11944
URL:Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.

Volltext: http://arxiv.org/abs/2012.11944
 DOI: https://doi.org/10.48550/arXiv.2012.11944
Datenträger:Online-Ressource
Sprache:eng
Sach-SW:High Energy Physics - Phenomenology
K10plus-PPN:1803996307
Verknüpfungen:→ Sammelwerk

Permanenter Link auf diesen Titel (bookmarkfähig):  https://katalog.ub.uni-heidelberg.de/titel/68920702   QR-Code
zum Seitenanfang