×

ROOT框架中的贝叶斯神经网络程序。 (英语) Zbl 1297.62006年

摘要:我们提出了一种贝叶斯神经网络算法,该算法在TMVA公司与传统的使用神经网络作为判别器相比,这种新的实现作为非参数回归工具具有更多的优势,特别是在拟合概率方面。它提供了成本函数选择、复杂性控制和不确定性估计等功能。给出了这种应用在高能物理中的一个例子。该算法在5.29之后的ROOT版本中可用。

MSC公司:

62-04 统计相关问题的软件、源代码等
62G08号 非参数回归和分位数回归
81-04 量子理论相关问题的软件、源代码等
81V15型 量子理论中的弱相互作用
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Hoecker,A。;Speckmayer,P。;Stelzer,J。;Therhaag,J。;冯·托恩,E。;Voss,H.,TMVA:多元数据分析工具包,PoS ACAT,040(2007)
[2] 布鲁恩(Brun,R.)。;Rademakers,F.,ROOT-面向对象的数据分析框架,物理研究中的新计算技术V.物理研究中新的计算技术V,核仪器和物理研究方法A部分:加速器、光谱仪、探测器和相关设备,389,1-2,81-86(1997)
[3] Cybenko,G.,通过sigmoid函数的叠加进行逼近,控制、信号和系统数学,2303-314(1989)·Zbl 0679.94019号
[4] 霍尼克,K。;Stinchcombe,M。;White,H.,多层前馈网络是通用逼近器,神经网络,2,5,359-366(1989)·Zbl 1383.92015年
[5] 麦凯,D.J.C.,贝叶斯插值,神经计算,4,3,415-447(1992)
[6] 麦凯,D.J.C.,《概率网络和似然预测——监督神经网络实用贝叶斯方法综述》,《网络:神经系统中的计算》,6,3,469-505(1995)·Zbl 0834.68098号
[7] Neal,R.M.,通过随机动力学进行贝叶斯学习,(神经信息处理系统的进展,NIPS会议,第5卷(1993),Morgan Kaufmann Publishers Inc.:Morgan Koufmann-Publishers Inc.San Francisco,CA,USA),475-482
[8] Sjostrand,T.等人。;Mrenna,S。;Skands,P.,Pythia 6.4物理学和手册,高能物理学杂志,5026(2006)·Zbl 1368.81015号
[9] 埃文斯,L。;Bryant,P.,大型强子对撞机,仪器杂志,3,8,S08001(2008)
[10] M.Aliev,et al.在atlas上对奇异的同种双轻子签名进行包容性搜索,技术代表ATL-COM-PHYS-2011-107,欧洲核子研究中心,日内瓦,2011年2月。;M.Aliev,et al.在atlas上对奇异的同面双轻子签名进行包容性搜索,技术代表ATL-COM-PHYS-2011-107,欧洲核子研究中心,日内瓦,2011年2月。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。