Seules les adresses mails institutionnelles sont acceptées lors de la création d'un compte. La création de compte est modérée, merci d'attendre leur validation.
Only institutional email addresses will be accepted when asking for an account. Account creation is moderated, please wait until then.

Techniques d'apprentissage automatique pour l'analyse de données en physique des hautes énergiees avec TMVA - Andreas Hoecker - CERN

présidé par Didier Lacour (LPNHE), Jour exceptionnel
mercredi 20 juin 2007 de à (Europe/Paris)
à Bernard Grossetete
Description
-----------------------------------------------------------------------
Un tutorial TMVA aura lieu au LAL le jeudi 21 juin à 14h en salle 101. Pour participer, il faut se munir d'un ordinateur  portable avec wifi et X window ou l'équivalent, et avoir l'accès à ROOT v5 au minimum, de préférence sur le portable,  sinon sur unordinateur distant. Le tutorial est ouvert à tous mais les participants extérieurs au LAL sont invités à se faire connaitre au préalable à rousseau at lal.in2p3.fr.
-----------------------------------------------------------------------

Resume :

En physique des hautes énergies, avec la recherche de signaux de plus en plus petits dans des ensembles de données de plusen plus grand, il est essentiel d'extraire le maximum d'information. Les méthodes de classification multivariées basées sur l'apprentissage automatique sont devenues un ingrédient fondamental de beaucoup d'analyses. De plus ces méthodes ont évoluées significativement ces dernières années. TMVA est un logiciel intégré a ROOT, qui permet une grande variété d'algorithmes de classification, incluant :
   - l'optimisation de coupures rectangulaires à l'aide d'un algorithme génétique
   - estimateur de vraisemblance avec des estimateurs linéaires ou non
   - réseau de neurones
et des méthodes plus modernes:
   - arbres de décision boostés
  - machine à vecteur de support (Support Vector Machine)
  - ajustement d'ensemble de règles (Rule Ensembles Fit)
TMVA gère l'entrainement, les tests et l'évaluation des performances de ces classificateurs avec une interface utilisateursimple, et facilite l'application des classificateurs aux données.
Documents:
Go to day