Titel: |
Titel:
Vorsortierer für Datenflut, Neuronale Netze auf der Suche nach dunkler Materie Fachgebiet: Physik
|
Autoren: |
Autoren:
Kohl, Carolin, Paul-Klee-Gymnasium, Overath
|
Beitragende: |
Beitragende:
Editor: Physikalisch-Technische Bundesanstalt (PTB), ISNI: 0000 0001 2186 1887HostingInstitution: Physikalisch-Technische Bundesanstalt (PTB), ISNI: 0000 0001 2186 1887 |
Seiten: |
Seiten:
14
|
Sprachen: |
Sprachen:
de
|
DOI: |
DOI:
10.7795/320.202104
|
Art der Ressource: |
Art der Ressource:
PTB: Junge Wissenschaft,
DINI: Article,
DataCite: JournalArticle
|
Verlag: |
Verlag:
Physikalisch-Technische Bundesanstalt (PTB)
|
Rechte: |
Rechte:
Vervielfältigung nur zum eigenen persönlichen Gebrauch.
|
Datumsangaben: |
Datumsangaben:
Verfügbar:
2021-05-17
Angenommen: 2019-12-16 Eingereicht: 2019-08-19 |
Datei: |
Datei:
Datei herunterladen
(application/pdf)
9.4 MB
MD5 Prüfsumme: cfcbf2bc614dea4e1057856e7f98ce68 SHA256 Prüfsumme: c00124c892049cdd94fbc160cb8572f59357fd5b9287e586751dfab4b5860bbc |
Stichwörter: |
Stichwörter:
Machine Learning ;
Neuronale Netzwerke ;
Multi-Layer Perceptron ;
CAST-Experiment ;
Axion ;
Datenklassifikation ;
Signalereignisse ;
Signaleffizienz ;
ROC-Kurve
|
Zusammenfassung: |
Zusammenfassung:
Die Dunkle Materie des Universums besteht vermutlich aus neuartigen Elementarteilchen, den Axionen. Diese sucht das CAST-Experiment am CERN in Genf. Um Signal- von Untergrundereignissen zu trennen, wird das Potential eines Multilayer-Perceptrons , ein bestimmten Typ eines Neuronalen Netzwerks, als Klassifikationsmethode verwendet. Dies erweist sich als vielversprechender Ansatz.
|
Information zur Reihe: |
Information zur Reihe:
Junge Wissenschaft. Paper 04/2021
|
Anderes: |
Anderes:
In der Jungen Wissenschaft werden Forschungsarbeiten von Schüler/innen, die selbstständig, z.B. in einer Schule oder einem Schülerforschungszentrum, durchgeführt wurden, veröffentlicht.
|
Zitat: |
Zitat:
Kohl, Carolin. Vorsortierer für Datenflut. Neuronale Netze auf der Suche nach dunkler Materie Fachgebiet: Physik . Physikalisch-Technische Bundesanstalt (PTB), 2021. Verfügbar unter: https://doi.org/10.7795/320.202104
|

-OAR