Нейромережі в мікросвіті: машинне навчання для аналізу фізичних експериментів
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
The article considers the application of artificial neural networks for processing large datasets in modern physics
experiments. The efficiency of machine learning algorithms in classifying elementary particle tracks is analyzed. The
advantages of using convolutional neural networks compared to classical statistical data analysis methods are shown.
У статті розглядається застосування штучних нейронних мереж для обробки великих масивів даних у сучасних фізичних експериментах. Проаналізовано ефективність алгоритмів машинного навчання під час класифікації треків елементарних частинок. Показано переваги використання згорткових нейромереж порівняно з класичними статистичними методами аналізу даних.
У статті розглядається застосування штучних нейронних мереж для обробки великих масивів даних у сучасних фізичних експериментах. Проаналізовано ефективність алгоритмів машинного навчання під час класифікації треків елементарних частинок. Показано переваги використання згорткових нейромереж порівняно з класичними статистичними методами аналізу даних.
Опис
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Адаменко Д. К., Мартинюк В. В. Нейромережі в мікросвіті: машинне навчання для аналізу фізичних експериментів // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-feeem/all-feeem-2026/paper/view/28137.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (5)
- Radovic A. Machine learning at the energy and intensity frontiers of particle physics / A. Radovic, M. Williams, D. Rousseau // Nature. – 2018. – Vol. 560. – P. 41-48.
- Amrouche S. The Tracking Machine Learning challenge: Accuracy phase / S. Amrouche, L. Basara, P. Calafiura [et al.] // The European Physical Journal C. – 2020. – Vol. 80, № 5. – P. 423-435.
- Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень : навчальний посібник / С. О. Субботін. – Запоріжжя : ЗНТУ, 2008. – 341 с.
- Fruhwirth R. Application of Kalman filtering to track and vertex fitting / R. Fruhwirth // Nuclear Instruments and Methods in Physics Research Section A. – 1987. – Vol. 262, № 2-3. – P. 444-450.
- Архітектура згорткової нейронної мережі VGG16 [Електронний ресурс] // IT Master. – Режим доступу: https://itmaster.biz.ua/images/vgg16-neural-network.jpg (дата звернення: 12.03.2026).