Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment
Volume 1039, 11 September 2022, 166984
Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment

Alfaro, R.; Alvarez, C.; Álvarez, J.D.; Angeles Camacho, J.R.; Arteaga-Velázquez, J.C.; Avila Rojas, D.; Ayala Solares, H.A.; Babu, R.; Belmont-Moreno, E.; Brisbois, C.; Caballero-Mora, K.S.; Capistrán, T.; Carramiñana, A.; Casanova, S.; Chaparro-Amaro, O.; Cotti, U.; Cotzomi, J.; Coutiño de León, S.; De la Fuente, E.; de León, C.; Diaz Hernandez, R.; Díaz-Vélez, J.C.; Dingus, B.L.; DuVernois, M.A.; Durocher, M.; Ellsworth, R.W.; Engel, K.; Espinoza, C.; Fan, K.L.; Fernández Alonso, M.; Fraija, N.; Garcia, D.; García-González, J.A.; Garfias, F.; González, M.M.; Goodman, J.A.; Harding, J.P.; Hernandez, S.; Hona, B.; Huang, D.; Hueyotl-Zahuantitla, F.; Hüntemeyer, P.; Iriarte, A.; Jardin-Blicq, A.; Joshi, V.; Kaufmann, S.; Kunde, G.J.; Lara, A.; Lee, W.H.; Lee, J.; León Vargas, H.; Linnemann, J.T.; Luis-Raya, G.; Lundeen, J.; Malone, K.; Marandon, V.; Martinez, O.; Martínez-Castro, J.; Matthews, J.A.; Miranda-Romagnoli, P.; Morales-Soto, J.A.; Nayerhoda, A.; Nellen, L.; Nisa, M.U.; Noriega-Papaqui, R.; Olivera-Nieto, L.; Omodei, N.; Peisker, A.; Pérez Araujo, Y.; Pérez-Pérez, E.G.; Rho, C.D.; Rosa-González, D.; Ruiz-Velasco, E.; Salazar, H.; Salesa Greus, F.; Sandoval, A.; Saz Parkinson, P.M.; Serna-Franco, J.; Smith, A.J.; Springer, R.W.; Tibolla, O.; Tollefson, K.; Torres, I.; Torres-Escobedo, R.; Turner, R.; Ureña-Mena, F.; Villaseñor, L.; Wang, X.; Watson, I.J.; Werner, F.; Willox, E.; Wood, J.; Zepeda, A.; Zhou, H.

Título

Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment Volume 1039, 11 September 2022, 166984 Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment

Tema

Aprendizaje automático (Machine learning)

Fecha de publicación

11-sep-2022

Editor

Elsevier

Descripción física

Artículo académico que describe la implementación de técnicas más sofisticadas de separación gamma/hadrón mediante métodos de aprendizaje automático (árboles de decisión mejorados y redes neuronales) y resume las mejoras resultantes en la separación gamma/hadrón obtenidas en HAWC.

URI

https://repositorio.tic.unam.mx/handle/123456789/3759

Aparece en las colecciones: Publicaciones académicas y científicas

Mostrar el registro Dublin Core completo del ítem EstadÍsticas