ČVUT DSpace
  • Search DSpace
  • Čeština
  • Login
  • Čeština
  • Čeština
View Item 
  •   ČVUT DSpace
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Cybernetics
  • Bachelor Theses - 13133
  • View Item
  • Czech Technical University in Prague
  • Faculty of Electrical Engineering
  • Department of Cybernetics
  • Bachelor Theses - 13133
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Hledání leptoquarků pomocí strojového učení v datech z CERN ATLAS experiment

Machine Learning for the Leptoquark Search Using CERN ATLAS Data

Type of document
bakalářská práce
bachelor thesis
Author
Lukáš Viceník
Supervisor
Sopczak André
Opponent
Petousis Vlasios
Study program
Kybernetika a robotika
Institutions assigning rank
katedra kybernetiky



Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item record
Abstract
V této práci vylepšíme hodnotu cross-section limitu pro párovou produkci ska-lárních Leptokvarků třetí generace při roz-padu na top quark a τ -lepton. Událost je vybrána pokud obsahuje dva lehké leptony (elektron nebo muon) stejného znaménka nebo jeden hadronicky se rozpadající τ -lepton. Algoritmy ze dvou široce používa-ných kategorií strojového učení jsou na-sazeny k analýze simulovaných dat pro hmotnosti Leptokvarků od 300 do 2000 GeV. V rámci klasifikace jsou data zkom-binována za účelem dokázat, že je možné využít jednoho univerzálního klasifikátoru pro analýzu libovolné hmotnosti. Pro dva nejlépe predikující klasifikátory jsou pro-vedeny experimenty snížení počtu vstup-ních příznaků a velikosti datasetu pro trénování. Na závěr je použit program TRExFitter vyvynutý v CERNu k dosa-žení věrohodných výsledků při výpočtu cross-section limitu. Navíc prověříme, jak odhadnout hmotnost Leptokvarků s pou-žitím dalšího napojeného klasifikátoru.
 
In this thesis, we improve the crosssection limit for pair production of thirdgeneration scalar leptoquark decaying into a top quark and a τ -lepton and design a method to predict its mass. Events are selected if they have two light leptons (electron or muon) of the same sign and exactly one hadronically decaying τ -lepton. Algorithms from two machine learning categories widely used for tabular data classification, gradient boosting decision trees and deep neural networks, are deployed to analyze simulated data for leptoquark masses from 300 to 2000 GeV. The data for all available masses are combined to show that one universal classifier can be used for all Leptoquark mass cases. The dependence of the performance on the number of features and the size of the simulated data set is demonstrated. Finally, the TRExFitter program developed in CERN is used to achieve reliable results for cross-section limit calculation. Additionally we study how to recognize Leptoquark mass using another connected classifier.
 
URI
http://hdl.handle.net/10467/101338
View/Open
PLNY_TEXT (2.587Mb)
PRILOHA (9.904Mb)
POSUDEK (127.9Kb)
POSUDEK (203.2Kb)
Collections
  • Bakalářské práce - 13133 [706]

Related items

Showing items related by title, author, creator and subject.

  • Umělá inteligence ve zdravotnictví 

    Author: Dalibor Čápek; Supervisor: Štědroň Bohumír; Opponent: Zdvořák Pavel
    (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-02)
    Diplomová práce se věnuje využití umělé inteligence ve zdravotnictví. Pojem umělá inteligence se objevuje stále více v souvislosti s dopady na různá odvětví. Cílem práce je zaměřit se na vývoj umělé inteligence ve zdravotnictví ...
  • Hluboké učení pro autonomní off-road řízení v simulaci 

    Author: Valentin Jacques; Supervisor: Zimmermann Karel; Opponent: Ecorchard Gaël Pierre Marie
    (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2018-06-18)
    This thesis presents different ways to make a car autonomous. We will use the power of machine learning and neural network to ?teach? a car how to drive autonomously in an off-road environment by using only a minimum set ...
  • Využití strojového učení v oblasti geodézie a kartografie 

    Author: Jan Kučera; Supervisor: Pytel Jan; Opponent: Doubrava Petr
    (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2022-06-22)
    Tato práce se věnuje tématu strojového učení a jeho možného využití do jiných oblastí jako je geodézie. V první části práce je rozebrána stručná a základní teorie a v části druhé je pak část praktická zaobírající se ...

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV
 

 

Useful links

CTU in PragueCentral library of CTUAbout CTU Digital LibraryResourcesStudy and library skillsResearch support

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

Login

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Contact Us | Send Feedback
Theme by 
@mire NV