RESUMEN: En este proyecto se ha realizado un análisis aplicando técnicas de machine learning, concretamente BDTs, para la discriminación de la señal contra diferentes fondos. El proceso principal que constituye la señal es tHW mientras que como fondo se utilizan los procesos t￣tW, t￣tZ, t￣t. Los resultados también han sido evaluados para tHq. Para ello, se han utilizado simulaciones de MonteCarlo. Se han presentado las figuras más importantes relacionadas con los resultados del training, así como los resultados obtenidos. Estos resultados son aceptables basados en las eficiencias de la selección, especialmente para las regiones con más de un leptón.
ABSTRACT: In this project an analysis has been carried out by implementing machine learning techniques, specifically BDTs, for the discrimination of the signal against different backgrounds. The process that constitutes the signal is tHW while the processes t￣tW, t￣tZ, t￣t are backgrounds. Results are evaluated also in tHq. For this purpose, data obtained from MonteCarlo simulations have been used. The most important figures related to the training results have been presented, as well as the results obtained, which are acceptable according to the calculated selection efficiencies, especially for regions with more than one lepton.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International
