| Online-Ressource |
Verfasst von: | Baldi, Pierre [VerfasserIn]  |
| Blecher, Lukas [VerfasserIn]  |
| Butter, Anja [VerfasserIn]  |
| Collado, Julian [VerfasserIn]  |
| Howard, Jessica N. [VerfasserIn]  |
| Keilbach, Fabian [VerfasserIn]  |
| Plehn, Tilman [VerfasserIn]  |
| Kasieczka, Gregor [VerfasserIn]  |
| Whiteson, Daniel [VerfasserIn]  |
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 |
How to GAN higher jet resolution / Baldi, Pierre [VerfasserIn]; 2020 (Online-Ressource)