Vývoj algoritmů pro zpracování dat z ATLAS Forward Proton detektorů (AFP) v CERNu
Development, Application and Representation of Algorithms for Discoveries with the ATLAS Forward Proton (AFP) Detector at CERN
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Martin Vatrt
Vedoucí práce
Sopczak André
Oponent práce
Maldonado Lopez Juan Pablo
Studijní obor
Znalostní inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra aplikované matematikyPráva
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.htmlVysokoškolská 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
Zobrazit celý záznamAbstrakt
Tato práce se zabývá rozšířením výběrových kriterií pro získání signal/background procesů z dat která byla v roce 2016 a 2017 zaznamenána při AFP experimentu v CERNu. Experiment se zabývá interakcí protonů které se ve dvou protichůdných paprscích těsně míjejí. K rozšíření výběrových kritérií bylo použito strojové učení. Práce čtenáře nejprve seznamuje s AFP experimentem a co vysvětluje znamenají signal/background procesy a jakým pomocí jakých podmínek jsou z dat získávány. Následuje poté úvod do strojového učení včetně podrobného vysvětlení metody která byla pro tuto úlohu použita - neuronových sítí. V praktické části je vysvětlen dataset s nasbíranými daty se kterým jsem pracoval, jsou zde popsány úpravy které jsem v datasetu provedl a kterou machine-learningovou techniku nakonec zvolil. Jsou zde vysvětleny dva přístupy pro klasifikaci záznamů a jak jsem s jejich kombinací došel k finálnímu výsledku. Na závěr popisuji program webovou stránku, které byly použity jako výstup této práce. The goal of this thesis is to extend selection criteria for getting signal/background samples from data collected during the AFP experiment at CERN in years 2016 and 2017. This experiment studies interaction of two near-missing protons in two crossing beams where both of them go in opposite direction. For extending the selection criteria machine learning is used. The thesis first introduces the AFP experiment and explains signal/background processes and the current critera for retrieving them from data. Then follows an introduction to machine learning with explanation of a method which was requested for realization - neural networks. The practical part explains the dataset I worked with and which adjustments I made in dataset. Then I explain which machine learning method I have used and why. Also two approaches for getting signal/background samples are presented and how I combined both of them for obtaining the final results. At the end I describe the output of the thesis - webpage and script for getting desired samples.
Kolekce
- Bakalářské práce - 18105 [295]