Krak´ow 29.11.2005
Sieci Neuronowe
( http://th-www.if.uj.edu.pl/ erichter/dydaktyka/NeuralNetwork )
Filtracja symulowanych danych fizycznych metodami sieci neuronowych
Termin zaliczenia zastawu: do 3.01.07
• Zadanie 1
Wybra´c do analizy jeden z trzech plikow danych:
tau1P CSCtreeForPDERS.root, tau2P CSCtreeForPDERS.root, tau3P CSCtreeForPDERS.root zapisanych w formacie root tree.
Format danych :
– “et”, “eta”, “phi” orientuja‘ dane w przetrzeni 3-wymiarowej.
– isTrueTau=1 (sygna l), isTrueTau=0 (t lo) – zmienna d0=et
– zmienne dyskryminuja
‘ce: d1,d2,.... d10 .
( Dla danych tau1P CSCtreeForPDERS.root tylko d1-d8.)
• Zadanie 2
Dla wybranych danych
– narysowa´c rozklady zmiennych d0-d10
(1-wym historgramy znormalizowane do jednostkowej powierzchni),
na ile silna jest zale˙zno´s´c od po lo˙zenia w przestrzeni ( “et”, “eta”, “phi”)?
– odrzuci´c dane z bardzo wyra´znych ogonow rozk ladu – zastosowac klase TMultiLayerPerceptron do rozwia
‘zania problemu:
∗ wybra´c jedna‘ metode‘ ucza‘ca‘
∗ wykorzysta´c wszystkie lub tylko podzbior zmiennych dyskriminuja
‘cych
∗ zastosowa´c 2 r´o˙zne archiektury sieci (liczno´s´c neuron´ow, ilo´s´c warstw), – przeprowadzi´c proces uczenia i narysowa´c wynikowa krzywa‘ ROC.
1