prikaz prve stranice dokumenta Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja
  Download
PDF 1.41 MB
master's thesis
Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja
Zagreb: University of Zagreb, Faculty of Science, 2022. urn:nbn:hr:217:361469
Kovačić, Nino
University of Zagreb
Faculty of Science
Department of Physics

Institutional repository: Repository of the Faculty of Science

Cite this document

Kovačić, N. (2022). Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:361469

Kovačić, Nino. "Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2022. https://urn.nsk.hr/urn:nbn:hr:217:361469

Kovačić, Nino. "Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja." Master's thesis, University of Zagreb, Faculty of Science, 2022. https://urn.nsk.hr/urn:nbn:hr:217:361469

Kovačić, N. (2022). 'Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja', Master's thesis, University of Zagreb, Faculty of Science, accessed 23 December 2024, https://urn.nsk.hr/urn:nbn:hr:217:361469

Kovačić N. Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2022 [cited 2024 December 23] Available at: https://urn.nsk.hr/urn:nbn:hr:217:361469

N. Kovačić, "Korištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:217:361469

Metadata
TitleKorištenje novih reprezentacija podataka u svrhu klasfikacije događaja pomoću strojnog učenja
Title (english)Usage of new data representations for event classification with machine learning methods
AuthorNino Kovačić
MentorNikola Poljak (mentor)
Committee memberNikola Poljak (predsjednik povjerenstva)
Committee memberDavor Horvatić (član povjerenstva)
Committee memberKrešimir Kumerički (član povjerenstva)
Committee memberDarko Androić (član povjerenstva)
Committee memberAndrej Novak (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Physics)
Zagreb
Defense date and country2022-11-24, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Physics
Abstract
Kako bi se nosili sa stalno povećavajućim količinama podataka generiranih u eksperimentima potrebno je primijeniti naprednije tehnike obrade podataka. Najbolji primjer kojih je strojno učenje, ili specifičnije, neuralne mreže. Koristeći generirane podatke o događajima s mlazovima razvijamo binarni klasifikator s ciljem razlikovanja potječe li mlaz od gluona ili kvarka. U radu proučit ćemo nekoliko reprezentacija podataka te različite arhitekture mreža i usporediti klasifikatore.
Abstract (english)
In order to deal with the constantly increasing amount of data generated by experiments more advanced data processing techniques are required. The best example of these is machine learning, and more specifically, neural networks. Using a generated ”black box” set of events describing jets, we develop a binary classifier to determine whether the origin of a particular jet is a quark or a gluon. In doing so, we’ll examine several representations of events as well as different network architectures, and compare the classifiers.
Keywords
Languagecroatian
URN:NBNurn:nbn:hr:217:361469
Study programmeTitle: Physics; specializations in: Research
Course: Research
Study programme type: university
Study level: integrated undergraduate and graduate
Academic / professional title: magistar/magistra fizike (magistar/magistra fizike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2022-12-19 13:21:36