首页/论文/physics/0602170

arXiv physics/06021702006-02physics.data-an

贝叶斯技术在颗粒识别中的应用

The Application of Bayesian Technique for Particle Identification

Ding Tian

备注：: 6 pages, 0 figures added one reference for section 1; changed one reference number

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

用贝叶斯方法分析了高能物理实验中的PID问题。提出了相应的适用方法。

英文摘要：

The PID problem in high energy physics experiments is analysed with Bayesian technique. The corresponding applicable method is presented.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

MPD实验中粒子识别的贝叶斯方法

Bayesian Approach to Particles Identification in the MPD Experimen

针对NICA对撞机MPD探测器的粒子识别需求，研究优化TOF与TPC的识别算法，采用统计贝叶斯方法实现识别效率与误识别污染的最优平衡。

2024-05-17hep-exphysics.data-anphysics.ins-det

禅宗与模式识别科学：贝叶斯怀疑论探究

Zen and the Science of Pattern Identification: An Inquiry into Bayesian Skepticism

在数据中发现模式是信息科学中最具挑战性的开放问题之一。可能的关系的数量与数据集的大小成组合比例，压倒了计算资源可用性的指数增长。物理的洞察力在发展高效的计算物理学中起了重要作用。利用量子场论的方法，并重新思考三个世纪的贝叶斯推断，我们制定的问题，在寻找景观的模式，并解决了这个问题。我们的演算的一般性说明，通过将其应用到手写数字图像，并找到结构特征的蛋白质从序列比对没有任何假设模型先验适合于特定的数据集。在台式电脑上几分钟就可以发现图案的全貌。

2013-08-15physics.data-anq-bio.QM

基于贝叶斯模型选择的演化方程稀疏辨识

Sparse identification of evolution equations via Bayesian model selection

本文提出一种基于贝叶斯优化和Wasserstein度量的稀疏辨识方法，用于从数据中推断非线性动力系统演化方程，并在尾流和fMRI数据上验证了其精度与可解释性。

2025-01-01physics.data-an

ALICE中的粒子识别：贝叶斯方法

Particle identification in ALICE: a Bayesian approach

我们提出了一种贝叶斯方法的粒子识别（PID）在ALICE实验。其目的是更有效地结合各种探测器的粒子识别能力。在简要解释了所采用的方法和形式主义，贝叶斯PID方法的性能进行了研究的中心桶的ALICE的带电π介子，K介子和质子。PID通过测量比能量损失（$\mathrm{d}E/\mathrm{d}x$）和飞行时间来执行。提取PID效率和错误识别概率，并与Monte Carlo模拟使用高纯度样品的衰变通道${\rm K}^0_S \rightarrow π^-π^+$，$ϕ\rightarrow {\rm K}^-{\rm K}^+$，和$Λ\rightarrow {\rm p}π^-$在p-Pb碰撞在$\sqrt{s_{\rm NN}}=5.02$ TeV的识别粒子进行比较。为了彻底评估贝叶斯方法的有效性，这种方法被用来获得修正的$p_{\rm T}$谱的π介子，K介子，质子，和D $^0$介子在pp碰撞在$\sqrt{s}=7$ TeV。在所有情况下，发现使用贝叶斯PID的结果与ALICE使用标准PID方法进行的先前测量一致。对于D $^0 \rightarrow {\rm K}^-π^+$的测量，发现当与标准PID选择相比时，贝叶斯PID方法给出更高的信号背景比和相似或更大的统计显著性，尽管识别效率降低。最后，我们提出了一个探索性的研究测量$Λ_{\rm c}^{+}\right…

2016-05-26hep-exnucl-exphysics.data-an

随机过程与反馈线性化用于完全驱动机械系统的在线识别和贝叶斯自适应控制

Stochastic processes and feedback-linearisation for online identification and Bayesian adaptive control of fully-actuated mechanical systems

Oxford University（牛津大学）

本文提出了一种新的方法，结合概率识别与控制，利用随机过程先验条件和拉格朗日力学结构知识，通过反馈线性化实现对完全驱动机械系统的灵活非参数贝叶斯学习。

2014-04-01cs.LGcs.SYeess.SY

不可分哈密顿系统的随机动态模型贝叶斯辨识

Bayesian Identification of Nonseparable Hamiltonian Systems Using Stochastic Dynamic Models

University of California San Diego（加州大学圣地亚哥分校）；University of Michigan（密歇根大学）

提出了一种基于随机动态模型的不可分哈密顿系统的系统辨识和估计的概率贝叶斯公式。不可分的哈密顿系统出现在各种科学和工程应用的模型中，如天体物理学、机器人、涡旋动力学、带电粒子动力学和量子力学。数值实验表明，所提出的方法恢复动力系统具有更高的精度和减少预测的不确定性相比，国家的最先进的方法。结果进一步表明，在存在稀疏和噪声测量的情况下，远超出训练时间间隔的准确预测是可能的，这为所提出的方法提供了鲁棒性和可推广性。一个定量的好处是预测精度小于10%的相对误差超过12倍的时间比可比的最小二乘为基础的方法对基准问题。

2022-09-15cs.LGcs.SYeess.SY

更多相关论文收起更多论文

复杂本构模型参数的识别：最小二乘最小化与贝叶斯更新

Identification of the parameters of complex constitutive models: Least squares minimization vs. Bayesian updating

本文针对复杂本构模型的材料参数识别，比较最小二乘最小化与基于 MCMC 的贝叶斯更新，并讨论似然函数高效近似方法以降低计算成本。

2024-08-09math.PRmath.STphysics.data-an

基于贝叶斯统计的钻削过程扭转动力学参数识别

Identification of parameters in the torsional dynamics of a drilling process through Bayesian statistics

这项工作提出了一个实验装置，它被建模为一个系统，具有三个自由度，由一个轴，两个转子，和一个直流电机，模拟钻孔过程的参数估计。在估计过程中使用贝叶斯技术，以考虑所采取的测量固有的不确定性和可变性，其被建模为高斯性质的噪声。通过该程序，预计将检查试验台物理参数标称值的可靠性。假设九个参数的实验装置是未知的估计过程进行，结果表明，对于某些数量的相对偏差相对于标称值是非常高的。这种偏差证明了用于描述实验装置的动态行为的数学模型的严重缺陷。

2021-07-27cs.CEphysics.data-anstat.AP

基于深度学习和降阶建模的含乘性噪声不可分离哈密顿量的贝叶斯辨识

Bayesian identification of nonseparable Hamiltonians with multiplicative noise using deep learning and reduced-order modeling

University of Michigan（密歇根大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）

本文提出一种保持结构不变的贝叶斯方法，用于辨识含乘性噪声的不可分离哈密顿系统，通过高斯滤波和降阶建模实现高效高维参数估计，显著提升预测精度。

2024-07-20cs.LGmath.DSphysics.data-an

天体的贝叶斯分类--及其背后的原因

Bayesian Classification of Astronomical Objects -- and what is behind it

我们提出了一个贝叶斯方法的识别和分类的对象从天文目录集，给定一个预定义的分类方案。这里的识别是指将不同目录中的条目与单个对象相关联，而分类是指将相关联的数据集与从一组复杂程度不同的参数化模型中选择的模型相匹配。凭借贝叶斯定理，我们可以以一种有效的方式将这两项任务结合起来，这允许一种在很大程度上自动化且仍然可靠的方式来生成分类天文目录。贝叶斯方法的一个问题是处理异常，没有可能性可以指定。我们提出并讨论了一个简单而实用的解决方案，这个问题，强调贝叶斯定理中的“证据”一词的作用，识别例外。比较贝叶斯分类的实践和逻辑与贝叶斯推断，我们最后注意到与科学哲学概念的一些有趣的联系。

2013-02-11astro-ph.IMphysics.data-anphysics.hist-ph