prikaz prve stranice dokumenta Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru
Pristup korisnicima matične ustanove
završni rad
Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru
Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. urn:nbn:hr:179:862152
Mišić, Mijo
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za matematiku i fiziku

Institucijski repozitorij: Repozitorij Fakulteta elektrotehnike, strojarstva i brodogradnje

Citirajte ovaj rad

Mišić, M. (2021). Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru (Završni rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:862152

Mišić, Mijo. "Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru." Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:862152

Mišić, Mijo. "Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru." Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:862152

Mišić, M. (2021). 'Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru', Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 27.12.2024., https://urn.nsk.hr/urn:nbn:hr:179:862152

Mišić M. Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru [Završni rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2021 [pristupljeno 27.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:862152

M. Mišić, "Korištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru", Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:862152

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:862152
Podaci o radu
NaslovKorištenje metoda strojnog učenja za analizu fizikalnih procesa na CMS detektoru
Naslov (engleski)Using machine learning methods to analyse physical processes at the CMS detector
AutorMijo Mišić
MentorDamir Lelas (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za matematiku i fiziku)
Split
Datum i država obrane2021-09-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
S obimnom količinom podataka generiranih svaki dan u sudarima na Velikom sudaraču hadrona (LHC) u Ženevi, Švicarska, kao i zbog važnosti pronalaska određenih rijetkih signala, postoji neprekidna težnja za korištenjem sve naprednijih programskih rješenja za analizu prikupljenih podataka. Ovaj rad uspoređuje programske implementacije metoda strojnog učenja i pokušava dati odgovor na pitanje optimalnog izbora. Analizirane su 3 metode, od toga su 2 relativno nove (PyKeras i PyTorch) i ne postoje detaljna istraživanja izvedbe istih, te jedna starija metoda strojnog učenja (Gradient Boosted Decission Tree - BDTG). BDTG je predstavljao polazišnu točku, jer se trenutno dominantno koristi za ovaj tip analize LHC podataka. U obradi podataka dobivenih CMS detektorom, utvrđeno je da postoji mogućnost znatnog unaprjeđenjan u klasifikaciji događaja s PyKeras i PyTorch metodama u odnosu na izvedbu BDTG-a.
Sažetak (engleski)
With the vast amount of data generated each day in collisions at the Large Hadron Collider (LHC) in Geneva, Switzerland, as well as the importance of finding certain rare signals, there is a continuing tendency to use increasingly advanced software solutions to analyze collected data. This paper compares program implementations of machine learning methods and attempts to answer the question of optimal choice. 3 methods were analyzed, of which 2 are relatively new (PyKeras and PyTorch) and there are no detailed studies of their performance, as well as one older method of machine learning (Gradient Boosted Decission Tree - BDTG). BDTG was the starting point, as it is currently predominantly used for some of the LHC data analyses. In processing the data obtained by the CMS detector, it was found that there is a possibility of significant improvement in the classification of events with PyKeras and PyTorch methods in comparison to the performance of BDTG.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:862152
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike i informacijske tehnologije (univ. bacc. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-12-08 11:25:48