Verbesserung der UntergrundunterdrÃ¼ckung eines neuen CAST ...

Weitere Magazine

Empfehlungen

Info

4 TMVA Beschneiden der Trees, nachdem sie gewachsen sind. Darüber soll mögliches Overtraining der Trees verhindert wird. Es wird dabei von Ende des Trees begonnen und jene Knotenpunkte weg geschnitten, die insignifikant sind. Dafür können über PruneMethod verschiedene Methoden gewählt werden. Über PruneStrength wird ein Grenzwert festgelegt, mit dem entschieden wird, ob etwas abgeschnitten wird oder nicht. Wählt man den Wert −1, sucht TMVA selber den optimalen Wert. 26
KAPITEL 5 Vorbereitung der Daten Als Datensatz dienen die beiden Messreihen, welche bereits in Abschnitt 3.2 erwähnt wurden. Um für diese Ereignisse eine Untersuchung mit TMVA durchführen zu können, müssen zunächst die Eigenschaften berechnet werden. Dazu wurde jeweils ein MarlinTPC Prozessor für die Photonen, sogenannte XrayObjects, und für die Untergrunddaten, Tracks, geschrieben. Dieser berechnet die Eigenschaften, welche in Tabelle 5.1 dargestellt sind. Varianz σ Unter der Varianz σ versteht man das zweite zentrale Moment einer Verteilung. Man beschreibt sie für eine diskrete Verteilung über σ 2 = 1 N N∑ (x i − ¯x) 2 . i=1 Dabei bezeichnet ¯x den Mittelwert der Verteilung. Sie ist ein Maß für die Breite der Verteilung. Schiefe - Skewness Unter Skewness versteht man die Schiefe einer Verteilung. Sie beschreibt, ob die Verteilung links und rechts unterschiedlich schnell abfällt. Hierbei handelt es sich in der Statistik um das dritte Moment der Verteilung. S = 1 Nσ 3 N∑ (x i − ¯x) 3 i=1 Kurtosis Die Kurtosis bzw. Wölbung einer Verteilung gibt an wie spitz oder flach der Gipfel der Verteilung ist. Sie ist das vierte zentrale Moment einer Verteilung. Meist wird jedoch die Exzess-Kurtosis verwendet, welche folgendermaßen definiert ist: K = 1 Nσ 4 N∑ (x i − ¯x) 4 − 3. i=1 Der Term −3 kommt daher, dass man die Kurtosis um 0 verteilt haben möchte. Eine Gaußverteilung, von der die Abweichung betrachtet wird, hat selbst eine Kurtosis von 3. 27
Seite 1 und 2: Verbesserung der Untergrundunterdr
Seite 3 und 4: Inhaltsverzeichnis 1 Einleitung 1 2
Seite 5: KAPITEL 1 Einleitung Das Standardmo
Seite 8 und 9: 2 Axionen Abbildung 2.1: Darstellun
Seite 11 und 12: KAPITEL 3 CERN Axion Solar Telescop
Seite 13 und 14: 3.2 Daten und Spektrum der 55 Fe Qu
Seite 15 und 16: KAPITEL 4 TMVA Das Toolkit for Mult
Seite 17 und 18: 4.1 Aufbau wiederum Variablen eines
Seite 19 und 20: 4.2 Methoden schen Signal und Unter
Seite 21 und 22: 4.2 Methoden Klassifikation mittels
Seite 23 und 24: 4.2 Methoden die Likelihood-Methode
Seite 25 und 26: 4.2 Methoden Backpropagation - BP A
Seite 27 und 28: 4.2 Methoden x 2 Support Vectors Hy
Seite 29: 4.2 Methoden Knotenpunkt einen gewi
Seite 33 und 34: 5.1 Energiekalibrierung Gesamtladun
Seite 35 und 36: 5.2 Erzeugung künstlicher, niedere
Seite 37 und 38: KAPITEL 6 Klassifikation mittels TM
Seite 39 und 40: 6.1 Trainieren mit allen Daten MLPs
Seite 41 und 42: 6.1 Trainieren mit allen Daten TMVA
Seite 43 und 44: 6.2 Trainieren mit Schnitt auf Ener
Seite 45 und 46: 6.3 Vergleich mit Likelihood Method
Seite 47 und 48: 6.4 Klassifikation der künstlich e
Seite 49: 6.4 Klassifikation der künstlich e
Seite 52 und 53: 7 Betrachtung falsch klassifizierte
Seite 55 und 56: KAPITEL 8 Zusammenfassung und Ausbl
Seite 57 und 58: ANHANG A Anhang A.1 Quellcode Der f
Seite 59 und 60: A.1 Quellcode } // mussen in beiden
Seite 61 und 62: A.1 Quellcode delete factory [2]; d
Seite 63 und 64: A.1 Quellcode theTree ->SetBranchAd
Seite 65 und 66: A.2 Eingabe-Daten aller Variablen A
Seite 67 und 68: A.3 Klassifikation A.3 Klassifikati
Seite 69 und 70: A.3 Klassifikation A.3.2 Schnitt au
Seite 71 und 72: A.3 Klassifikation A.3.3 Energetisc
Seite 73 und 74: A.4 Falsch klassifizierte Ereigniss
Seite 75 und 76: Literatur [1] C. A. Baker u. a.,
Seite 77: Literatur [22] C. Krieger, J. Kamin

Verbesserung der UntergrundunterdrÃ¼ckung eines neuen CAST ...

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?