Published November 15, 2023 | Version v1
Publication Open

Artificial Intelligence Approaches for Studying the <i>pp</i> Interactions at High Energy Using Adaptive Neuro-Fuzzy Interface System

Creators

  • 1. Ain Shams University

Description

Adaptive Neuro-Fuzzy Inference System (ANFIS), a popular machine learning model, is introduced in this chapter. ANFIS has a long development history and good agreement on scientific accomplishments. The value of ANFIS has grown dramatically along with the great interest in deep learning. We will examine how machine learning and ANFIS are related. Different methods can be used to implement machine learning models. ANFIS is a Fuzzy Inference System (FIS) that works within the context of adaptive networks. It merges the ideas of Artificial Neural Networks (ANNs) and Fuzzy Logic (FL) into a single framework. This framework can learn to estimate nonlinear functions and operates as a universal estimator. This chapter aimed to investigate the behavior of D mesons ratios production cross section (D+/D0,D∗+/D0,Ds+/D0,andDs+/D+), differential production cross section of prompt (D0,D+, D∗+andDs+ mesons) as a function of PT in pp collisions at (s = 5.02 and 7 TeV) and predict the behavior for others. The ANFIS model was created through a series of trial-and-error experiments. The ANFIS-based model simulation results perfectly fit the experimental data. When tested with non-training data points, the ANFIS prediction capabilities performed well. The ANFIS offers extensive procedures for high-energy physics modeling.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يتم تقديم نظام الاستدلال العصبي الضبابي التكيفي (ANFIS)، وهو نموذج شائع للتعلم الآلي، في هذا الفصل. تتمتع ANFIS بتاريخ تطور طويل واتفاق جيد على الإنجازات العلمية. نمت قيمة ANFIS بشكل كبير جنبًا إلى جنب مع الاهتمام الكبير بالتعلم العميق. سنفحص كيفية ارتباط التعلم الآلي بـ ANFIS. يمكن استخدام طرق مختلفة لتنفيذ نماذج التعلم الآلي. ANFIS هو نظام استدلال غامض (FIS) يعمل في سياق الشبكات التكيفية. فهو يدمج أفكار الشبكات العصبية الاصطناعية (ANNs) والمنطق الضبابي (FL) في إطار واحد. يمكن أن يتعلم هذا الإطار تقدير الوظائف غير الخطية ويعمل كمقدر عالمي. يهدف هذا الفصل إلى التحقيق في سلوك المقطع العرضي لإنتاج نسب ميزونات D (D +/ D0،D∗+/ D0،Ds+/ D0، andDs +/ D+)، المقطع العرضي للإنتاج التفاضلي للمطالبة (D0،D+، D∗+ andDs + الميزونات) كدالة لـ PT في تصادمات pp عند (s = 5.02 و 7 TeV) والتنبؤ بالسلوك للآخرين. تم إنشاء نموذج ANFIS من خلال سلسلة من تجارب التجربة والخطأ. تتناسب نتائج محاكاة النموذج القائم على ANFIS تمامًا مع البيانات التجريبية. عند اختبارها باستخدام نقاط بيانات غير تدريبية، كان أداء قدرات التنبؤ ANFIS جيدًا. تقدم ANFIS إجراءات واسعة لنمذجة فيزياء الطاقة العالية.

Translated Description (French)

Le système d'inférence neuro-flou adaptatif (ANFIS), un modèle d'apprentissage automatique populaire, est présenté dans ce chapitre. L'ANFIS a une longue histoire de développement et un bon accord sur les réalisations scientifiques. La valeur de l'ANFIS a considérablement augmenté en même temps que le grand intérêt pour l'apprentissage en profondeur. Nous examinerons comment l'apprentissage automatique et l'ANFIS sont liés. Différentes méthodes peuvent être utilisées pour mettre en œuvre des modèles d'apprentissage automatique. ANFIS est un système d'inférence floue (fis) qui fonctionne dans le contexte des réseaux adaptatifs. Il fusionne les idées de réseaux de neurones artificiels (RNA) et de logique floue (FL) dans un cadre unique. Ce cadre peut apprendre à estimer les fonctions non linéaires et fonctionne comme un estimateur universel. Ce chapitre visait à étudier le comportement de la section efficace de production des rapports de mésons D (D+/D0,D∗+/D0,Ds+/D0 et Ds+/D+), la section efficace de production différentielle des mésons prompt (D0,D+, D∗+ et Ds+) en fonction de PT dans les collisions pp à (s = 5,02 et 7 TeV) et à prédire le comportement pour les autres. Le modèle ANFIS a été créé à travers une série d'expériences d'essais et d'erreurs. Les résultats de simulation de modèle basés sur ANFIS correspondent parfaitement aux données expérimentales. Lorsqu'elles sont testées avec des points de données non liés à la formation, les capacités de prédiction de l'ANFIS ont bien fonctionné. L'ANFIS propose des procédures étendues pour la modélisation de la physique des hautes énergies.

Translated Description (Spanish)

En este capítulo se presenta el Sistema de Inferencia Adaptativa Neuro-Fuzzy (ANFIS), un modelo popular de aprendizaje automático. ANFIS tiene una larga historia de desarrollo y un buen acuerdo sobre los logros científicos. El valor de ANFIS ha crecido dramáticamente junto con el gran interés en el aprendizaje profundo. Examinaremos cómo se relacionan el aprendizaje automático y el ANFIS. Se pueden utilizar diferentes métodos para implementar modelos de aprendizaje automático. ANFIS es un sistema de inferencia difusa (FIS) que funciona en el contexto de redes adaptativas. Combina las ideas de las redes neuronales artificiales (Ann) y la lógica difusa (FL) en un solo marco. Este marco puede aprender a estimar funciones no lineales y funciona como un estimador universal. Este capítulo tuvo como objetivo investigar el comportamiento de la sección transversal de producción de relaciones de mesones D (D +/D0,D∗ +/D0, Ds+/D0, andDs +/D+), la sección transversal de producción diferencial de prompt (D0,D+, D∗ + andDs + mesones) en función de PT en colisiones de pp a (s = 5.02 y 7 TeV) y predecir el comportamiento para otros. El modelo ANFIS se creó a través de una serie de experimentos de prueba y error. Los resultados de la simulación del modelo basado en ANFIS se ajustan perfectamente a los datos experimentales. Cuando se probaron con puntos de datos no relacionados con la capacitación, las capacidades de predicción de ANFIS funcionaron bien. El ANFIS ofrece procedimientos extensos para el modelado de física de alta energía.

Files

87023.pdf

Files (2.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:65bada197ec071512c72eb2a771a6190
2.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
مناهج الذكاء الاصطناعي لدراسة تفاعلات <i>البولي بروبلين</i> في الطاقة العالية باستخدام نظام الواجهة العصبية الضبابية التكيفية
Translated title (French)
Approches d'intelligence artificielle pour étudier les interactions <i>pp</i> à haute énergie à l'aide d'un système d'interface neuro-flou adaptatif
Translated title (Spanish)
Enfoques de inteligencia artificial para estudiar las interacciones de <i>pp</i> a alta energía utilizando un sistema de interfaz neurofuzzy adaptativo

Identifiers

Other
https://openalex.org/W4376878692
DOI
10.5772/intechopen.111552

Is supplement to
https://openalex.org/W4384948736 (Other)
https://openalex.org/W4310906510 (Other)
https://openalex.org/W3159983598 (Other)
https://openalex.org/W3144388600 (Other)
https://openalex.org/W2785395359 (Other)
https://openalex.org/W2773909074 (Other)
https://openalex.org/W2617311158 (Other)
https://openalex.org/W223645550 (Other)
https://openalex.org/W2111426611 (Other)
https://openalex.org/W1944322427 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1032448174
  • https://openalex.org/W1998126963
  • https://openalex.org/W2005254558
  • https://openalex.org/W2019207321
  • https://openalex.org/W2116581292
  • https://openalex.org/W2133321814
  • https://openalex.org/W2141125852
  • https://openalex.org/W2159011533
  • https://openalex.org/W2586989241
  • https://openalex.org/W2624972355
  • https://openalex.org/W2779206308
  • https://openalex.org/W2903074914
  • https://openalex.org/W2911964244
  • https://openalex.org/W2940417196
  • https://openalex.org/W2944570254
  • https://openalex.org/W3015510413
  • https://openalex.org/W3043460766
  • https://openalex.org/W3094749618
  • https://openalex.org/W3108411828
  • https://openalex.org/W3119329537
  • https://openalex.org/W3199080962
  • https://openalex.org/W3207988956
  • https://openalex.org/W3209998872
  • https://openalex.org/W3217031479
  • https://openalex.org/W4211007335