Status: Bibliographieeintrag
Standort: ---
Exemplare:
---
| |  Online-Ressource |
|---|
| Verfasst von: | Kasieczka, Gregor [VerfasserIn]  |
|---|
| | Plehn, Tilman [VerfasserIn] |
|---|
| | Schell, Torben [VerfasserIn] |
|---|
| Titel: | Deep-learning top taggers or the end of QCD? |
|---|
| Verf.angabe: | Gregor Kasieczka, Tilman Plehn, Michael Russell, Torben Schell |
|---|
| Fussnoten: | Gesehen am 10.08.2017 |
|---|
| Titel Quelle: | Enthalten in: De.arxiv.org |
|---|
| Jahr Quelle: | 2017 |
|---|
| Band/Heft Quelle: | (2017) Artikel-Nummer 1701.08784, 23 Seiten |
|---|
| Abstract: | Machine learning based on convolutional neural networks can be used to study jet images from the LHC. Top tagging in fat jets offers a well-defined framework to establish our DeepTop approach and compare its performance to QCD-based top taggers. We first optimize a network architecture to identify top quarks in Monte Carlo simulations of the Standard Model production channel. Using standard fat jets we then compare its performance to a multivariate QCD-based top tagger. We find that both approaches lead to comparable performance, establishing convolutional networks as a promising new approach for multivariate hypothesis-based top tagging. |
|---|
| 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.
Kostenfrei: Verlag: http://arxiv.org/abs/1701.08784 |
|---|
| | Kostenfrei: Verlag: http://arxiv.org/abs/1701.08784 |
|---|
| Datenträger: | Online-Ressource |
|---|
| Sprache: | eng |
|---|
| K10plus-PPN: | 1562315404 |
|---|
| Verknüpfungen: | → Sammelwerk |
|---|
Deep-learning top taggers or the end of QCD? / Kasieczka, Gregor [VerfasserIn] (Online-Ressource)
68148937
