Bernd A.Berg。;于尔根·里德勒 神经网络数据分析的信号置信限。 (英语) Zbl 0938.65009号 计算。物理。Commun公司。 107,编号1-3,39-48(1997). 小结:本文讨论了通过神经网络或类似设备分析实验数据的一些重要情况:给定(N\)数据,即(N=N_s+N_b\),其中(N_s\)是信号数,(N_b \)是背景事件数,两者都是未知的。假设神经网络已经被训练,使得它将标记具有效率的信号\(F_s\)\((0<F_s<1)\)和具有\(F_b\)\((0<F_b<1)\)的背景数据。应用NN会产生标记的事件。我们证明了(N^Y)的知识足以计算信号似然的置信界,其统计解释与研究充分的直接信号观测的Clopper-Pearson界相同。随后,我们讨论了信号概率的后验分布函数以及数据中存在(N_s)信号的(密切相关的)可能性的严格界。我们将它们与从数据中存在N_s信号的先验概率的最大熵类型假设出发并应用贝叶斯定理得到的结果进行了比较。 MSC公司: 65立方厘米60 统计中的计算问题(MSC2010) 62层25 参数公差和置信区域 62-07 数据分析(统计)(MSC2010) 81V25型 量子理论中的其他基本粒子理论 关键词:粒子物理数据分析;实验数据分析;神经网络;置信界限;直接信号观测 软件:贝叶斯DA PDF格式BibTeX公司 XML格式引用 \textit{B.A.Berg}和\textit{J.Riedler},计算。物理。Commun公司。107,编号1-3,39-48(1997年;Zbl 0938.65009) 全文: 内政部 arXiv公司 参考文献: [1] Fisher,R.A.,(《罗伊社会评论》,139(1933)),第343页·Zbl 0006.17401号 [2] 内曼,J。;Pearson,E.S.,Phil翻译。罗伊。Soc.A,231289(1933年)·Zbl 0006.26804号 [3] Brandt,S.,《数据分析中的统计、计算方法》(1983),北荷兰:北荷兰阿姆斯特丹·Zbl 0537.62002号 [4] Lönnblad,L。;彼得森,C。;Rögnvaldsson,T.,编号。物理。B、 349675(1991年) [5] Becks,K.H。;块,F。;Dress,J。;Langefeld等人。;塞德尔,F.,Nucl。仪器。方法A,329,501(1993) [6] Stimpf-Abele,G。;Yepes,P.,计算。物理。社区。,78, 1 (1993) [7] 医学博士理查德。;李普曼,R.P.,神经计算。,3, 461 (1991) [8] Berg,B.A.,计算。物理。社区。,98, 35 (1996) ·Zbl 0938.68777号 [9] 阿巴奇,S.,Phys。修订稿。,74, 2632 (1995) [10] Efron,B.,The Jackknife,The Bootstrap and Other Resampling Plans(1982),工业应用数学学会:工业应用数学协会,宾夕法尼亚州费城·Zbl 0496.62036号 [11] 盖尔曼,A。;Carlin,J.B。;斯特恩,H.S。;鲁宾,D.B.,贝叶斯数据分析(1995),查普曼和霍尔:查普曼&霍尔伦敦 [12] 出版社,W.H。;弗兰纳里,B.P。;Teukolsky,美国。;Vetterling,W.T.,《数值配方》(1988),剑桥大学出版社:剑桥大学出版社·Zbl 0661.65001号 [13] Loredo,T.J.,《从拉普拉斯到超新星SN1987A:天体物理学中的贝叶斯推断》,(Fougère,P.F.,《最大熵,贝叶斯方法》(1990),Kluwer学术出版社:Kluwer-学术出版社Dordrecht),81-142·Zbl 0736.62025号 [14] Jaynes,E.T.,(美国电气与电子工程师协会会议记录,70(1982)),939 [15] 盖尔曼,A。;Carlin,J.B。;斯特恩,H.S。;鲁宾,D.B.,贝叶斯数据分析,((1995),查普曼和霍尔:查普曼与霍尔伦敦),29 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,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。