機(jī)器學(xué)習(xí)在宇宙線粒子鑒別中的應(yīng)用

摘要： 基于熱中子探測器實驗?zāi)M數(shù)據(jù),使用決策樹(decision tree, DT)、隨機(jī)森林(random forest, RF)和BP神經(jīng)網(wǎng)絡(luò)(back-propagation neural network, BPNN)構(gòu)建了宇宙線粒子鑒別機(jī)器學(xué)習(xí)模型,對每種粒子分別使用不同的機(jī)器學(xué)習(xí)算法基于模擬數(shù)據(jù)進(jìn)行模型訓(xùn)練,并針對算法進(jìn)行超參數(shù)調(diào)整,將每種算法的AUC值和Q品質(zhì)因子作為粒子...