Hadronic tau's Identification Using Artificial Neural Network

0405544 - UIVT-O 330923 CH eng V - Research Report
Hakl, František - Jiřina, Marcel - Richter-Was, E.
Hadronic tau's Identification Using Artificial Neural Network.
Geneve: Cern, 2005. 12 s. ATLAS Physics Communication, ATL-COM-PHYS-2005-044.
R&D Projects: GA MPO RP-4210/69/97
Grant - others:EC FP5 Centre of Excellence(XE) IST-2001-37259
Institutional research plan: CEZ:AV0Z10300504
Keywords : multi-variate classification * correlation dimension * neural network with switching units * background rejection * hadronic tau identification * distribution mapping exponent
Subject RIV: BA - General Mathematics

In this report we discuss two different algorithms for optimization on identification of true and fake hadronic tau's. The proposed approaches are based on multi-variate type of classification. One of classifiers directly uses distribution mapping function and correlation dimension for estimations. The second classifier is a type of the neural network with switching units which successively uses clustering and thresholding (switching) procedures. Results presented in this Note confirm that, as expected, the specialiyed classifiers give better background rejection for the same identification efficiency.

Ve zprávě se diskutují dva rozdílné algoritmy pro optimalizaci identifikace reálných a chybových hadronických tau. Navržené přístupy jsou založeny na klasifikaci mnohorozměrných dat. Jeden klasifikátor používá mapovací funkci rozdělení a korelační dimensi pro klasifikaci. Druhý klasifikátor je typu neuronové sítě se spínacími jednotkami a postupně používá shlukování a prahování. Výsledky prezentované v této zprávě potvrzují očekávání, že specializované klasifikátorz dávají lepší potlačení pozadí při stejné účinnosti identifikace.
Permanent Link: http://hdl.handle.net/11104/0125701