Um classificador neuronal compacto e eficiente com capacidade de identificar contaminação em dados experimentais

Abstract

Um sistema classificador neuronal é desenvolvido para identificar três classes de partículas em física experimental de altas energias. O sistema usa a extração de componentes principais de discriminação para combinar compacticidade e alta eficiência de classificação, identificando, inclusive, a contaminação presente nos dados experimentais. Mais de 97% dos eventos analisados são corretamente classificados.<br>A neural classifying system is developed to identify three particle classes in experimental high-energy physics. The system makes use of the extraction of principal discriminating components to obtain compactness and high classification efficiency, even identifying outsiders in experimental data sets. More than 97% of analysed events are correctly classified