Проблема сдвига данных в идентификации частиц

Аннотации

Аннотация

Методы машинного обучения все шире применяются в задаче идентификации частиц. Поскольку экспериментальные данные не содержат истинных меток, обучение классификаторов проводится на моделированных методом Монте-Карло (МК) данных, что приводит к проблеме их сдвига — различиям в распределениях признаков между моделированными и реальными данными. Исследовано влияние сдвига данных путем сравнения классификации частиц на нескольких наборах МК с различными конфигурациями, что подчеркивает необходимость проверки и адаптации моделей для обеспечения надежной работы.