هيغز

• الوصف :

تم إنتاج البيانات باستخدام محاكاة مونت كارلو. أول 21 ميزة (الأعمدة 2-22) هي خصائص حركية تقاس بواسطة كاشفات الجسيمات في المسرع. الميزات السبع الأخيرة هي وظائف أول 21 ميزة ؛ هذه ميزات عالية المستوى اشتقها علماء الفيزياء للمساعدة في التمييز بين الفئتين. هناك اهتمام باستخدام أساليب التعلم العميق لتفادي حاجة الفيزيائيين إلى تطوير مثل هذه الميزات يدويًا. يتم عرض نتائج المقارنة المعيارية باستخدام أشجار القرار Bayesian من حزمة الفيزياء القياسية والشبكات العصبية المكونة من 5 طبقات في الورقة الأصلية.

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز north_east

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

• كود المصدر : tfds.structured.Higgs

• إصدارات :

  • 2.0.0 (افتراضي): تقسيم API جديد ( https://tensorflow.org/datasets/splits )

• حجم التحميل : ٢ ٫ 2.62 GiB

• حجم مجموعة البيانات : 6.88 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

• هيكل الميزة :

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,
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (انظر المستند as_supervised ): None

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@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;%%"
}

• الوصف :

تم إنتاج البيانات باستخدام محاكاة مونت كارلو. أول 21 ميزة (الأعمدة 2-22) هي خصائص حركية تقاس بواسطة كاشفات الجسيمات في المسرع. الميزات السبع الأخيرة هي وظائف أول 21 ميزة ؛ هذه ميزات عالية المستوى اشتقها علماء الفيزياء للمساعدة في التمييز بين الفئتين. هناك اهتمام باستخدام أساليب التعلم العميق لتفادي حاجة الفيزيائيين إلى تطوير مثل هذه الميزات يدويًا. يتم عرض نتائج المقارنة المعيارية باستخدام أشجار القرار Bayesian من حزمة الفيزياء القياسية والشبكات العصبية المكونة من 5 طبقات في الورقة الأصلية.

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز north_east

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

• كود المصدر : tfds.structured.Higgs

• إصدارات :

  • 2.0.0 (افتراضي): تقسيم API جديد ( https://tensorflow.org/datasets/splits )

• حجم التحميل : ٢ ٫ 2.62 GiB

• حجم مجموعة البيانات : 6.88 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

• هيكل الميزة :

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,
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (انظر المستند as_supervised ): None

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@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;%%"
}