Metody strojového učení v částicové fyzice
Machine Learning Techniques in High Energy Physics
Type of document
diplomová prácemaster thesis
Author
Miroslav Kubů
Supervisor
Bouř Petr
Opponent
Hakl František
Field of study
Aplikované matematicko-stochastické metodyStudy program
Aplikace přírodních vědInstitutions assigning rank
katedra matematikyRights
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
Show full item recordAbstract
Klasifikace 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. : Classification of particle interactions is a crucial task in high energy physics. In
Collections
- Diplomové práce - 14101 [152]