Propostas para Dissertação

Mestrados no Departamento de Informática



Consultar ficha completa de uma proposta de dissertação

proponente: António Esteves (Algoritmi / DI-UM) e Nuno Castro (LIP Minho / DF-UM)
instituição/empresa: Universidade do Minho
tema/título: Classificação de partículas em Física das Altas Energias através de Redes Neuronais Convolucionais
área científica: Engenharia de Software
local: DI-UM
curso de mestrado: Mestrado Integrado em Engenharia Informática
descrição:
O objetivo desta dissertação é implementar de forma eficiente, e se possível com elevada
desempenho, a classificação de determinadas partículas com interesse para os físicos. As
partículas em causa serão no nosso caso \"top quarks\" e \"electroweak gauge bosons\". A
informação a utilizar na classificação resultou da colisão entre protões, tendo sido
recolhida no grande colisionador de hadrões (LHC) do CERN, ou então foi gerada com simulações
de Monte Carlo. A técnica de aprendizagem a aplicar na classificação das partículas são as Redes Neuronais
Convolucionais (CNNs). A aceleração da fase de treino das CNNs, que é a tarefa
computacionalmente mais pesada, deverá tirar partido do elevado poder computacional dos GPUs
recentes. Devem ser utilizadas as bibliotecas TensorFlow ou Theano, possivelmente através da API de mais alto
nível Keras que funciona com ambas as bibliotecas. Estas bibliotecas suportam o treino e teste das
redes neuronais em CPU e GPU. Referências: [1] What’s a Convolutional Neural Network? http://www.valuewalk.com/2016/07/whats-a-convolutional-neural-network/ [2] Fundamentals of Deep Learning - Starting with Artificial Neural Network. Aarshay Jain, 2016.




s://www.analyticsvidhya.com/blog/2016/03/introduction-deep-learning-fundamentals-neural-networks/ [3] Deep Learning for Computer Vision - Introduction to Convolution Neural Networks. Aarshay Jain,
2016.



















csvidhya.com/blog/2016/04/deep-learning-computer-vision-introduction-convolution-neural-networks/ [4] Convolutional Networks for Computer Vision Applications. Andrea Vedaldi, 2016. http://www.robots.ox.ac.uk/~vedaldi/assets/teach/vedaldi16deepcv.pdf [5] Convolutional Networks and Applications in Vision. Y. LeCun, K. Kavukcuoglu, and C. Farabet,
2010. [6] Jet Constituents for Deep Neural Network Based Top Quark Tagging. J. Pearkes, W. Fedorko, A.
Lister, and C. Gay, https://arxiv.org/pdf/1704.02124 [7] Deep-learning Top Taggers or The End of QCD?. G. Kasieczka, T. Plehn, M. Russell, and T. Schell,
2017. https://arxiv.org/abs/1701.08784 [8] Stacking machine learning classifiers to identify Higgs bosons at the LHC, Alexandre Alves,
2017. https://arxiv.org/abs/1612.07725


Voltar...