多奇异数重子鉴别中信号样本统计性问题的蒙特卡洛法研究  

Identification of Multi-strange Baryons for Statistics of Singal Sample

作　　者：张昆实[1] 黄东平[2] 肖循[1] 

机构地区：[1]长江大学物理科学与技术学院,湖北荆州434023 [2]长江大学计算机科学学院,湖北荆州434023

出　　处：《长江大学学报（自科版）（上旬）》2006年第2期15-17,共3页JOURNAL OF YANGTZE UNIVERSITY (NATURAL SCIENCE EDITION) SCI ＆ ENG

基　　金：国家自然科学基金项目(10375025);湖北省教育厅重点项目(2003A002)。

摘　　要：为了解决多奇异数重子两步拓扑重建效率低的问题,利用人工神经网络以较高的效率来一步完成对奇异粒子的鉴别。就高维参数空间中BP神经网络对训练样本高统计量要求的问题,进行了蒙特卡洛法研究,所得结论支持用人工神经网络鉴别多奇异数重子。In order to solve the problem of low efficiency in two-step topological reconstruction of the multi-strange baryons it is planed to apply the artificial neural network to the identification of the baryons in one step with higher efficiency. A Monte Carlo study is carried out on the problem of demanding high statistics of the training sample by BP neural network in a high dimensional parameter space. The results support the application of the neural network to the identification of multi-strange baryons.

关 键 词：高能碰撞 人工神经网络 多奇异数重子 鉴别效率 

分 类 号：O572.2[理学—粒子物理与原子核物理]