Rekonstruktion från detektordata med hjälp av neurala nätverk

Visa enkel post
dc.contributor.authorOlander, Jacob
dc.contributor.authorSkarin, Miriam
dc.contributor.authorSvensson, Pontus
dc.contributor.authorWadman, Jakob
dc.contributor.departmentChalmers tekniska högskola / Institutionen för fysik (Chalmers)sv
dc.contributor.departmentChalmers University of Technology / Department of Physics (Chalmers)en
dc.date.accessioned2019-07-03T14:58:43Z
dc.date.available2019-07-03T14:58:43Z
dc.date.issued2018
dc.description.abstractDenna rapport demonstrerar hur artificiella neurala nätverk utifrån data från partikeldetektorer kan rekonstruera relevanta egenskaper hos partiklar skapade vid kärnfysikexperiment. Enkla fall undersöks där energin hos en -partikel ska bestämmas, men även mer komplexa fall där både energin och emissionsriktningen hos flera partiklar ska rekonstrueras. Arbetsprocessen har till stor del varit iterativ, där mycket fokus lagts på att optimera kostnadsfunktionen. Rekonstruktionen kan utföras för både en och flera partiklar och är inte begränsad till att behandla en partikelegenskap åt gången. Slutsatsen av undersökningen är att artificiella neurala nätverk kan användas för att rekonstruera partikelegenskaper, men att de metoder som utvecklats i detta arbete, ännu inte är bättre än befintliga rekonstruktionsmetoder grundade i fysik. Fortsatta studier behövs för att definitivt kunna avgöra om artificiella neurala nätverk kan användas för att göra bättre rekonstruktioner än vad som i dagsläget är möjligt.
dc.identifier.urihttps://hdl.handle.net/20.500.12380/256450
dc.language.isoswe
dc.setspec.uppsokPhysicsChemistryMaths
dc.subjectFysik
dc.subjectPhysical Sciences
dc.titleRekonstruktion från detektordata med hjälp av neurala nätverk
dc.type.degreeExamensarbete för kandidatexamensv
dc.type.degreeBachelor Thesisen
dc.type.uppsokM2
Ladda ner
Original bundle
Visar 1 - 1 av 1
Bild (thumbnail)
Namn:
256450.pdf
Storlek:
2.79 MB
Format:
Adobe Portable Document Format
Beskrivning:
Fulltext
Ladda ner
Samling
Examensarbeten för kandidatexamen