神经网络方法khiddenlayersIinputlayer1output layer-输入层·粒子鉴别变量Wu2输出层：鉴别结果隐含层：网络内部单元3.下一层的每个神经元都是+1X12上一层所有神经元组合的Z函数，称为响应函数x+=A(w+Zw+ ·xk-l)XI-LN1神经网络首先需要使用一套已知样本来训练网络，使不同的类型在输出层输出所需的数值。在训练过程中，每个训练事例在网络中经过两遍传递计算。第一遍是向前传播计算，从输入层开始传递各层，经过处理后产生一个输出并得到一个该实际输出和所需输出方差的失量：第二遍是反向传播计算，从输出层到第一中间层为止，利用方差矢量对权重值W和阈值t进行逐层修正11
11 神经网络方法 1. 输入层:粒子鉴别变量 2. 输出层:鉴别结果 3. 隐含层:网络内部单元 下一层的每个神经元都是 上一层所有神经元组合的 函数,称为响应函数 ( ) k k k k-1 j 0j ij i x =A w + w x 神经网络首先需要使用一套已知样本来训练网络，使不同的类型在输出层输 出所需的数值。在训练过程中，每个训练事例在网络中经过两遍传递计算。 第一遍是向前传播计算，从输入层开始传递各层，经过处理后产生一个输出， 并得到一个该实际输出和所需输出方差的矢量；第二遍是反向传播计算，从 输出层到第一中间层为止，利用方差矢量对权重值w 和阈值t 进行逐层修正
Pion Efficiency(From Liu Fang)(0.80.8PID efficiencyvs cosePID Effvs momentum0.60.60.40.4#datadataOMCOMC0.20.2000-1-0.50.500.20.40.60.8coseP元(GeV/c)BOSS 6.5.012
12 Pion Efficiency （From Liu Fang） PID Eff vs momentum PID efficiency vs cos BOSS 6.5.0