论文部分内容阅读
为了将人工神经网络用于高能物理中对喷注的分类识别,用从高能正负电子对撞的蒙特卡洛模拟中得到的不对称三喷注事件中的夸克喷注和胶子喷注的平均多重数、平均横动量和两类喷注所对的夹角的平均值作为输入BP神经网络的3个特征参量,对2.5-22.5 GeV能区的8个能量间隔进行等精度的训练.用训练好的神经网络模型对不对称三喷注事件中的夸克喷注和胶子喷注样本进行检验判定,并对混合喷注样本进行分类识别.所得结果表明,有望将人工神经网络用于高能正负电子对撞产生的喷注的分类分析.