Об идентификации электронов и пионов с помощью многослойного перцептрона в детекторе переходного излучения эксперимента СВМ

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрена задача идентификации электронов и пионов по их потерям энергии в детекторе переходного излучения (TRD) эксперимента СВМ. Для идентификации частиц использовалась искусственная нейронная сеть - многослойный перцептрон, реализованный в пакетах JETNET и ROOT. В работе показано, что для получения корректных и сопоставимых результатов важно правильно выбрать структуру сети и приводятся соответствующие рекомендации. Для достижения приемлемого уровня подавления пионов требуется преобразование величин потерь энергии в слоях TRD к более «эффективным» переменным.

Об авторах

Татьяна Павловна Акишина

Объединённый институт ядерных исследований

Email: anaki@gmail.com
Лаборатория информационных технологий; Объединённый институт ядерных исследований

Ольга Юрьевна Дереновская

Объединённый институт ядерных исследований

Email: odenisova@jinr.ru
Лаборатория информационных технологий; Объединённый институт ядерных исследований

Виктор Владимирович Иванов

Объединённый институт ядерных исследований

Email: ivanov@jinr.ru <mailto:ivanov@jinr.ru>
Лаборатория информационных технологий; Объединённый институт ядерных исследований

Список литературы

  2. Letter of Intent for the Compressed Baryonic Matter experiment. - http://www. gsi.de/documents/DOC-2004-Jan-116-2.pdf.
  3. The CBM Collaboration. CBM Compressed Baryonic Matter Experiment. Technical Status Report: Techrep / GSI. - Darmstadt, 2005. - http://www.gsi.de/ onTEAM/dokumente/public/DOC-2005-Feb-447e.html.
  4. Electron/Pion Identification in the CBM TRD using a Multilayer Perceptron / E. P. Akishina, T. P. Akishina, V. V. Ivanov et al // JINR Communication. - 2007. - No E10-2007-17.
  5. Peterson C., R.ognvaldsson T., L.onnblad L., 1994. - JETNET 3.0 - A Versatile Artificial Neural Network Package. - 81(1994)185.
  6. TMultiLayerPerceptron / ROOT Reference Guide. - http://root.cern.ch/ root/html/TMultiLayerPerceptron.html.
  7. The Compressed Baryonic Matter experiment. - http://www.gsi.de/fair/ experiments/CBM.
  8. The FAIR Simulation and Analysis Framework / D. Bertini, M. Al-Turany, I. Koenig, F. Uhlig // Journal of Physics: Conference Series, Proc. of CHEP07, Inter. Conference on Computing in High Energy and Nuclear Physics. - Victoria, BC Canada: 2007.
  9. Denby B. Tutorial on Neural Networks Applications in High Energy Physics: 1982 Perspective // New Computing Techniques in Physics Research II, Proc. of the Second International Workshop on Software Engineering, Artifical Intelligence and Expert System in High Energy Physics. / Ed. by D. Perret-Gallix. - La Londe-les-Maures, France: World Scientific, 1992.
  10. Rumelhart D. E., Hinton G. E., Williams R. J. Learning Internal Representations by Error Propagation // Parallel Distributed Processing: Explorations in the Microstructure of Cognition: Foundations / Ed. by D. E. Rumelhart, J. L. McClelland. - The M.I.T. Press, 1986. - Vol. 1. - Pp. 318-362.
  11. 1995. - GEANT - Detector Description and Simulation Tool.
  12. BFGS method. - http://en.wikipedia.org/wiki/BFGS\_method.
  13. TMultiLayerPerceptron / ROOT Reference Guide. - http://root.cern.ch/ root/html/TMultiLayerPerceptron.html.
  14. Игнатьев Н. А. Выбор минимальной конфигурации нейронных сетей // Вы- числительные технологии. - 2001. - Т. 6, № 1. - С. 23-28.
  15. Zrelov P. V., Ivanov V. V. The relativistic charged particles identification method based on the goodness-of-fit 3 -criterion // Nucl. Instr. and Methods in Phys. Res. - 1991. - Vol. A310. - Pp. 623-630.
  16. Statistical Methods in Experimental Physics / W. T. Eadie, D. Dryard, F. E. Jameset al. - Amsterdam-London: North-Holland Pub.Comp, 1971.
  17. Koelberg K. S. - CERN Computer Centre Program Library. - G110.

© Акишина Т.П., Дереновская О.Ю., Иванов В.В., 2010

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах