Descrizione dell'algoritmo Ranbox e del suo sviluppo in versione semi-supervisionata per la ricerca del decadimento raro del mesone B_s in due leptoni tau, utilizzando i dati delle collisioni di fasci di protoni prodotti da LHC e raccolti da CMS. Ranbox è un algoritmo di apprendimento non supervisionato per la ricerca di anomalie, adattato ad un problema semi-supervisionato di determinazione di un segnale noto in un background di cui non si dispone un modello preciso. L'algoritmo consiste nello scandagliare sistematicamente sottospazi della copula dello spazio delle configurazioni cercando fra questi il miglior candidato a contenere un evento d'interesse tramite il metodo di "gradient descent". In questa tesi vengono discusse le prestazioni di tale algoritmo e i risultati ottenuti con un dataset di prova costituito da dati simulati, per descrivere poi la versione semi-supervisionata, RanBox_SS.
Ricerca del decadimento raro del mesone B_s in due leptoni tau all'esperimento CMS a LHC con l'uso di tecniche semi-supervisionate
QUAGLIARELLA, LUCA
2021/2022
Abstract
Descrizione dell'algoritmo Ranbox e del suo sviluppo in versione semi-supervisionata per la ricerca del decadimento raro del mesone B_s in due leptoni tau, utilizzando i dati delle collisioni di fasci di protoni prodotti da LHC e raccolti da CMS. Ranbox è un algoritmo di apprendimento non supervisionato per la ricerca di anomalie, adattato ad un problema semi-supervisionato di determinazione di un segnale noto in un background di cui non si dispone un modello preciso. L'algoritmo consiste nello scandagliare sistematicamente sottospazi della copula dello spazio delle configurazioni cercando fra questi il miglior candidato a contenere un evento d'interesse tramite il metodo di "gradient descent". In questa tesi vengono discusse le prestazioni di tale algoritmo e i risultati ottenuti con un dataset di prova costituito da dati simulati, per descrivere poi la versione semi-supervisionata, RanBox_SS.File | Dimensione | Formato | |
---|---|---|---|
Quagliarella_Luca.pdf
accesso riservato
Dimensione
1.22 MB
Formato
Adobe PDF
|
1.22 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/35414