Zobrazit minimální záznam

Machine Learning Techniques in High Energy Physics



dc.contributor.advisorBouř Petr
dc.contributor.authorMiroslav Kubů
dc.date.accessioned2021-10-24T07:51:18Z
dc.date.available2021-10-24T07:51:18Z
dc.date.issued2021-01-30
dc.identifierKOS-983712128005
dc.identifier.urihttp://hdl.handle.net/10467/98233
dc.description.abstractKlasifikace částicových interakcí je jednou ze základních úloh analýzy dat v částicové fyzice. V neutrinové fyzice je přitom tato úloha velice podobná úloze rozpoznávání obrazu. Z tohoto důvodu, se v této práci zajímáme o klasifikaci neutrinových interakcí v detektorech experimentu NOvA laboratoře Fermilab pomocí konvolučních neuronových sítí (CNN). Právě CNN jsou v současnosti díky své schopnosti extrahovat vizuální příznaky ze surových obrazových dat používány pro úlohu klasifikace neutrinových interakcí na experimentu NOvA. Pro tuto úlohu proto představujeme porovnání moderních CNN architektur.cze
dc.description.abstract: Classification of particle interactions is a crucial task in high energy physics. Ineng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectčásticová fyzikacze
dc.subjectkonvoluční neuronové sítěcze
dc.subjectneutrinocze
dc.subjectresiduální neuronovécze
dc.subjecthigh energy physicseng
dc.subjectconvolutional neural networkseng
dc.subjectneutrinoeng
dc.subjectresidual neuraleng
dc.titleMetody strojového učení v částicové fyzicecze
dc.titleMachine Learning Techniques in High Energy Physicseng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeHakl František
theses.degree.disciplineAplikované matematicko-stochastické metodycze
theses.degree.grantorkatedra matematikycze
theses.degree.programmeAplikace přírodních vědcze


Soubory tohoto záznamu




Tento záznam se objevuje v následujících kolekcích

Zobrazit minimální záznam