हिग्स

• विवरण :

मोंटे कार्लो सिमुलेशन का उपयोग करके डेटा का उत्पादन किया गया है। पहले 21 विशेषताएं (कॉलम 2-22) त्वरक में कण डिटेक्टरों द्वारा मापी जाने वाली कीनेमेटिक गुण हैं। अंतिम सात विशेषताएँ पहले 21 लक्षणों के कार्य हैं; ये दो वर्गों के बीच भेदभाव करने में मदद करने के लिए भौतिकविदों द्वारा प्राप्त उच्च-स्तरीय विशेषताएँ हैं। ऐसी विशेषताओं को मैन्युअल रूप से विकसित करने के लिए भौतिकविदों की आवश्यकता को कम करने के लिए गहन शिक्षण विधियों का उपयोग करने में रुचि है। एक मानक भौतिकी पैकेज और 5-परत तंत्रिका नेटवर्क से बायेसियन डिसीजन ट्री का उपयोग करके बेंचमार्क परिणाम मूल पेपर में प्रस्तुत किए गए हैं।

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले पेपर्स पर एक्सप्लोर करें

• होमपेज : https://archive.ics.uci.edu/ml/datasets/HIGGS

• स्रोत कोड : tfds.structured.Higgs

• संस्करण :

  • 2.0.0 (डिफ़ॉल्ट): नया स्प्लिट एपीआई ( https://tensorflow.org/datasets/splits )

• डाउनलोड आकार : 2.62 GiB

• डेटासेट का आकार : 6.88 GiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}

• विवरण :

मोंटे कार्लो सिमुलेशन का उपयोग करके डेटा का उत्पादन किया गया है। पहले 21 विशेषताएं (कॉलम 2-22) त्वरक में कण डिटेक्टरों द्वारा मापी जाने वाली कीनेमेटिक गुण हैं। अंतिम सात विशेषताएँ पहले 21 लक्षणों के कार्य हैं; ये दो वर्गों के बीच भेदभाव करने में मदद करने के लिए भौतिकविदों द्वारा प्राप्त उच्च-स्तरीय विशेषताएँ हैं। ऐसी विशेषताओं को मैन्युअल रूप से विकसित करने के लिए भौतिकविदों की आवश्यकता को कम करने के लिए गहन शिक्षण विधियों का उपयोग करने में रुचि है। एक मानक भौतिकी पैकेज और 5-परत तंत्रिका नेटवर्क से बायेसियन डिसीजन ट्री का उपयोग करके बेंचमार्क परिणाम मूल पेपर में प्रस्तुत किए गए हैं।

• अतिरिक्त दस्तावेज़ीकरण : north_east कोड वाले पेपर्स पर एक्सप्लोर करें

• होमपेज : https://archive.ics.uci.edu/ml/datasets/HIGGS

• स्रोत कोड : tfds.structured.Higgs

• संस्करण :

  • 2.0.0 (डिफ़ॉल्ट): नया स्प्लिट एपीआई ( https://tensorflow.org/datasets/splits )

• डाउनलोड आकार : 2.62 GiB

• डेटासेट का आकार : 6.88 GiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})

• फ़ीचर दस्तावेज़ीकरण :

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उदाहरण ( tfds.as_dataframe ):

• उद्धरण :

@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}