<<
>>

4.4 Алгоритм поиска адронных струй на основе вейвлет преобразования

Идея о использовании вейвлет преобразования для поиска адронных струй с событиях очень привлекательна из-за свойства вейвлет-преобразования подавлять шум.

Адронной струей называется пучок адронов обладающих большой по сравнению с остальными частицами энергией обладающих небольшими поперечными импульсами друг относительно друга.

Происхождение такой струи объясняется партонной моделью, и трактуется как результат адронизации высокоэнергетичного партона с большим поперечным импульсом. Ниже на рисунке 26 приведена схема струйного события.

Рис.26 Структура струйного события. В ядро-ядерных столкновениях при большой энергии возникает достаточно большое количество вторичных частиц, которые в данном случае следует считать шумом. Идея алгоритма состоит в том, чтобы провести анализ события на каждом слоев предварительно сделанного двумерного вейвлет - разложения, и для каждого из них провести фильтрацию в соответствии со статистикой вейвлет-коэффициентов в слое.

Фильтрация в каждом из вейвлет-слоев проводится следующим образом:

if\Wj\>k*RMS, Wj=0, где RMS- среднеквадратичное отклонение вейвлет коэффициентов слоя, а к - параметр зависящий от множественности. Алгоритм обладает тем преимуществом происходящим от свойств вейвлет преобразования что за один проход алгоритма находятся струи разной ширины. В случае стандартного алгоритма (CDF, UA1) размер конуса фиксируется заранее.

300 260 200

На простой модели с равномерным шумом было проверено, что UA1-style алгоритм, находит струи обнаруженные вейвлет алгоритмом только при ручной подстройки параметров алгоритма.

<< | >>
Источник: Стадник Алексей Викторович. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации. 2004

Еще по теме 4.4 Алгоритм поиска адронных струй на основе вейвлет преобразования:

  1. 7.6 р-Адическое вейвлет-преобразование 7.6.1 Непрерывное вейвлет-преобразование над Qp
  2. 7.6.2 р-адическое вейвлет-преобразование с вейвлетом Хаара
  3. 1.4 Спектральная форма вейвлет-преобразования
  4. 1.1 Об истории вейвлет-преобразования
  5. 8.2.2 Вейвлет-преобразование гауссовых пиков
  6. 3.2 Вейвлет-преобразование случайных функций
  7. 4.1 Дискретное вейвлет-преобразование
  8. 4.3.1 Вейвлет-преобразование изображения
  9. Глава 1.Основные сведения о непрерывном вейвлет-преобразовании
  10. 8.2.5 Применение вейвлет-преобразования к калибровке пла-стиковых сцинтилляторов в эксперименте NEMO
  11. 3.4 Непрерывное вейвлет-преобразование в стохастической гидродинамике 3.4.1 О многомасштабном описании турбулентности
  12. 3.4.2 Многомасштабное разложение уравнений Навье-Стокса с помощью непрерывного вейвлет-преобразования
  13. Алгоритмы поиска
  14. 2.1.4. Построение алгоритма поиска нитей
  15. 1.6.1. Образцы применения алгоритма поиска пунктограммы в предложении
  16. Приложение 4 Алгоритм распознавания окружностей со случайным поиском для робототехнической системы
  17. Основы поиска
  18. 22. особенности видо-временной системы, состав причастных форм, типы спряжения (1-е, 2-е и «общее»), продуктивные типы формообразовательных основ и преобразования чередований в глагольных основах.
  19. Методологические основы и этапы институциональных преобразований в России
  20. Симплекс-метод. Основная идея, этапы поиска решений, алгоритм метода.