Supervizované a nesupervizované učení pro fyziku těžkých iontů
Supervised and Unsupervised Learning for Heavy Ion Physics
dc.contributor.advisor | Kůs Václav | |
dc.contributor.author | Kateřina Hladká | |
dc.date.accessioned | 2021-10-20T06:51:22Z | |
dc.date.available | 2021-10-20T06:51:22Z | |
dc.date.issued | 2021-05-28 | |
dc.identifier | KOS-1087276107305 | |
dc.identifier.uri | http://hdl.handle.net/10467/98219 | |
dc.description.abstract | Potřeba řešení komplexních problémů binární klasifikace ve fyzice těžkých iontů vyústila v častější užívání supervizovaných i nesupervizovaných algoritmů strojového učení. Spolu s vhodným předzpracováním dat a optimalizací hyperparametrů tak tvoří silný nástroj pro řešení takovýchto problémů. Tato práce porovnává několik přístupů strojového učení a efektu více typů předzpracování dat pro dva problémy fyziky těžkých iontů: identifikaci produktů rozpadu D a identifikaci povahy QCD fázového přechodu. Metody použité v této práci zahrnují náhodný les, hluboké neuronové sítě a konvoluční neuronové sítě s i bez reziduálních bloků. | cze |
dc.description.abstract | The need of solving complex binary classification problems in the heavy ion physics has resulted in the usage of both supervised and unsupervised machine learning algorithms. Together with appropriate data preprocessing and hyper-parameters optimization they form a strong tool for addressing such problems. This study compares multiple machine learning approaches and data pre-processing dependencies for two heavy ion physics problems: D decay classification and identification of the nature of the QCD phase transition. The methods used in this thesis include random forest, deep neural networks and convolutional neural networks with and without residual blocks. | eng |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.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 | eng |
dc.rights | 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 | cze |
dc.subject | binární klasifikace | cze |
dc.subject | D rozpad | cze |
dc.subject | optimalizace | cze |
dc.subject | QCD fázové přechody | cze |
dc.subject | strojové učení | cze |
dc.subject | binary classification | eng |
dc.subject | D decay | eng |
dc.subject | machine learning | eng |
dc.subject | optimization | eng |
dc.subject | QCD phase transition | eng |
dc.title | Supervizované a nesupervizované učení pro fyziku těžkých iontů | cze |
dc.title | Supervised and Unsupervised Learning for Heavy Ion Physics | eng |
dc.type | diplomová práce | cze |
dc.type | master thesis | eng |
dc.contributor.referee | Bielčíková Jana | |
theses.degree.discipline | Aplikované matematicko-stochastické metody | cze |
theses.degree.grantor | katedra matematiky | cze |
theses.degree.programme | Aplikace přírodních věd | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Diplomové práce - 14101 [152]