Deep neural network applications in boosted H-BB(BAR) decays in proton-proton collisions at the LHC
LHC şartlarındaki proton–proton çarpışmalarında yükseltilmişH-BB(BAR) bozunumu ile derin sinir ağı uygulamaları
- Tez No: 696586
- Danışmanlar: DR. ÖĞR. ÜYESİ HALİL GAMSIZKAN
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Derin öğrenme, Higgs bozonu, Deep learning, Higgs boson
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Yüksek Enerji ve Plazma Fiziği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme hayatımıza daha fazla dahil oluyor ve gelecekte derin öğrenme uygulamalarının parçacık fiziği analizlerinde daha aktif bir rol oynayacağını düşünüyoruz. Bu nedenle, LHC şartlarındaki proton-proton çarpıştırmalarında oluşan yükseltilmiş Higgs bozonlarının bb kuark-karşıt kuark çiftlerine bozunmaları ve bu olayların QCD arka plan olaylarından ayrıştırılması üzerine derin öğrenme çalışması gerçekleştirdik. Bu çalışmada, evrişimli sinir Ağı ve grafik evrişimli sinir ağı olmak üzere iki farklı derin öğrenme algoritması kullandık. Hem Higgs bozonu sinyali hem de QCD arka plan verileri için CERN'in Open Data platformundan alınan verileri kullandık. Modellerimizin performanslarının detaylı bir karşılaştırmasını yapıyoruz.
Özet (Çeviri)
Deep learning is becoming more involved with our lives, and we think deep learning applications will play a more active role in particle physics analyses in the future. Therefore, we performed a deep learning study to differentiate between the decays of boosted Higgs bosons into bb quark-antiquark pairs and QCD background in proton-proton collisions at the LHC. We used two different deep learning algorithms in this study, which are convolutional neural network and graph convolutional neural network. For both the Higgs boson signal and QCD background data, we used data from CERN's Open Data platform. We make a detailed comparison of the performance of our models.
Benzer Tezler
- Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques
Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması
RAGHAD MOHAMMED KHORSHEED
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Cognition-enabling techniques for next-generation radar and electronic warfare systems
Gelecek nesil radar ve elektronik harp sistemleri için bilişsellik-etkinleştirme teknikleri
MUHARREM ARIK
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜR BARIŞ AKAN
- Investigation of embedding methods on gnn basedrecommender models
Çizge sinir ağı temelli öneri sistemleriüzerinde kullanılan gömme tipinin etkisinin araştırılması
MUSTAFA AKER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Kan bankalarında talep tahmini ve stokastik stok yönetimi
Demand forecasting and stochastic inventory management in blood banks
SEDA HATİCE GÖKLER
Doktora
Türkçe
2020
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEMRA BORAN
- Anomaly detection in unmanned aerial vehicles: A comprehensive study of hybrid deep neural network methods for edge-based applications
İnsansız hava araçlarında anomali tespiti: Uç birim tabanlı uygulamalar için hibrit derin sinir ağı yöntemlerinin kapsamlı bir çalışması
HATİCE VİLDAN DÜDÜKÇÜ
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KAHRAMAN
DR. ÖĞR. ÜYESİ MURAT TAŞKIRAN