Buchumschlag

Jet Image Tagging Using Deep Learning: An Ensemble Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bassa, Juvenal, Manian, Vidya, Malik, Sudhir, Chattopadhyay, Arghya
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Data Analysis, Statistics and Probability Artificial Intelligence Machine Learning High Energy Physics - Experiment High Energy Physics - Phenomenology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Fundamental Limit of Jet Tagging
von: Geuskens, Joep, et al.
Veröffentlicht: (2024)

Jet Tagging with More-Interaction Particle Transformer
von: Wu, Yifan, et al.
Veröffentlicht: (2024)

Particle Transformer for Jet Tagging
von: Qu, Huilin, et al.
Veröffentlicht: (2022)

Interpreting Transformers for Jet Tagging
von: Wang, Aaron, et al.
Veröffentlicht: (2024)

SURFing to the Fundamental Limit of Jet Tagging
von: Pang, Ian, et al.
Veröffentlicht: (2025)

Neural Scaling Laws for Boosted Jet Tagging
von: Vigl, Matthias, et al.
Veröffentlicht: (2026)

PanopTag: Simultaneously Tagging All Jets in a Particle Collision Event
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2026)

Exploring the BSM parameter space with Neural Network aided Simulation-Based Inference
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2025)

Seeing Double: Calibrating Two Jets at Once
von: Gambhir, Rikab, et al.
Veröffentlicht: (2024)

Jet flavor tagging with Particle Transformer for Higgs factories
von: Suehara, Taikan, et al.
Veröffentlicht: (2026)

Frequentist Uncertainties on Neural Density Ratios with wifi Ensembles
von: Benevedes, Sean, et al.
Veröffentlicht: (2025)

Learning Symmetry-Independent Jet Representations via Jet-Based Joint Embedding Predictive Architecture
von: Katel, Subash, et al.
Veröffentlicht: (2024)

Neural Scaling Laws for Jet Generation
von: Amram, Oz, et al.
Veröffentlicht: (2026)

Cross-Domain Transfer with Particle Physics Foundation Models: From Jets to Neutrino Interactions
von: Krzmanc, Gregor, et al.
Veröffentlicht: (2026)

Searching for Anomalies with Foundation Models
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2026)

The Interplay of Machine Learning--based Resonant Anomaly Detection Methods
von: Golling, Tobias, et al.
Veröffentlicht: (2023)

Double Metric Learning for Building Directed Graphs with Chain Connections for the ATLAS ITk Detector
von: Chan, Jay
Veröffentlicht: (2026)

Event-by-event Comparison between Machine-Learning- and Transfer-Matrix-based Unfolding Methods
von: Backes, Mathias, et al.
Veröffentlicht: (2023)

Machine Learning-Assisted Unfolding for Neutrino Cross-section Measurements with the OmniFold Technique
von: Huang, Roger G., et al.
Veröffentlicht: (2025)

OmniJet-$α$: The first cross-task foundation model for particle physics
von: Birk, Joschka, et al.
Veröffentlicht: (2024)

Log Gaussian Cox Process Background Modeling in High Energy Physics
von: Frid, Yuval, et al.
Veröffentlicht: (2025)

The Intrinsic Dimension of Collider Events and Model-Independent Searches in 100 Dimensions
von: D'Agnolo, Raffaele Tito, et al.
Veröffentlicht: (2025)

Parton Labeling without Matching: Unveiling Emergent Labelling Capabilities in Regression Models
von: Qiu, Shikai, et al.
Veröffentlicht: (2023)

Flow Matching Beyond Kinematics: Generating Jets with Particle-ID and Trajectory Displacement Information
von: Birk, Joschka, et al.
Veröffentlicht: (2023)

Towards Universal Unfolding of Detector Effects in High-Energy Physics using Denoising Diffusion Probabilistic Models
von: Pazos, Camila, et al.
Veröffentlicht: (2024)

Graph theory inspired anomaly detection at the LHC
von: Araz, Jack Y., et al.
Veröffentlicht: (2025)

FlexCAST: Enabling Flexible Scientific Data Analyses
von: Nachman, Benjamin, et al.
Veröffentlicht: (2025)

Isolating Unisolated Upsilons with Anomaly Detection in CMS Open Data
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

Unbinned inclusive cross-section measurements with machine-learned systematic uncertainties
von: Benato, Lisa, et al.
Veröffentlicht: (2025)

Accelerating Resonance Searches via Signature-Oriented Pre-training
von: Li, Congqiao, et al.
Veröffentlicht: (2024)

Why Is Attention Sparse In Particle Transformer?
von: Legge, Timothy, et al.
Veröffentlicht: (2025)

Look everywhere effects in anomaly detection
von: Hein, Marie, et al.
Veröffentlicht: (2025)

Resummed Distribution Functions: Making Perturbation Theory Positive and Normalized
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

Accurate and robust methods for direct background estimation in resonant anomaly detection
von: Das, Ranit, et al.
Veröffentlicht: (2024)

stanhf: HistFactory models in the probabilistic programming language Stan
von: Fowlie, Andrew
Veröffentlicht: (2025)

Non-resonant Anomaly Detection with Background Extrapolation
von: Bai, Kehang, et al.
Veröffentlicht: (2023)

Tools for Unbinned Unfolding
von: Milton, Ryan, et al.
Veröffentlicht: (2025)

Automatizing the search for mass resonances using BumpNet
von: Arguin, Jean-Francois, et al.
Veröffentlicht: (2025)

On the Statistical Interpretation of Discoveries in LHC Data
von: Chekanov, S. V., et al.
Veröffentlicht: (2026)

Effective Lagrangian Morphing
von: Balasubramanian, Rahul, et al.
Veröffentlicht: (2022)