Решение задачи бинарной классификации мюонного распада с использованием нейронных сетей

Demidova A.V.; Demidova T.S.; Sobolev A.A.; Masina O.N.

Решение задачи бинарной классификации мюонного распада с использованием нейронных сетей

Demidova A.V., Demidova T.S., Sobolev A.A., Masina O.N.

Дата публикации в реестре: 2021-08-05T20:49:08Z

Аннотация:

На сегодняшний день число областей, в которых используются нейронные сети возрастает все больше. Это не только информационные технологии, но и, например, медицина, логистика, а также во многих областях науки. Для правильной и быстрой работы нейронной сети для конкретной задачи, важно выбрать оптимальную архитектуру. В данной работе рассматривается основные архитектуры нейронных сетей. Целью работы является изучение и сравнительный анализ существующих архитектур нейронных сетей, и их реализация для решения задачи распознавания мюонного распада. Тренировочными и тестовыми данными является база данных распадов большого адронного коллайдера и сгенерированные данные для классификации распада типа τ → µµµ . Результаты работы программ: время обучения, точность классификации и другие метрики, позволили определить оптимальную архитектуру сети и её параметры. Проект создан на основе образа tensorflow, загруженного с публичного Docker-реестра Docker Hub. Для построения нейронных сетей используется язык программирования Python 3 и сервис для интерактивных вычислений Jupyter Notebook, с использованием библиотек для машинного обучения Keras и Scikit-learn.

Ключевые слова:
neural network, machine learning, binary classification, convolutional neural network, multilayer perceptron, нейронная сеть, машинное обучение, бинарная классификация, свёрточная нейронная сеть, многослойный перцептрон

Тип: Article

Права: open access

Источник: Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем