論文の概要: Jet Flavour Classification Using DeepJet
- arxiv url: http://arxiv.org/abs/2008.10519v2
- Date: Tue, 27 Oct 2020 21:39:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 12:35:48.127073
- Title: Jet Flavour Classification Using DeepJet
- Title(参考訳): DeepJetを用いたジェットフラワー分類
- Authors: Emil Bols, Jan Kieseler, Mauro Verzetti, Markus Stoye, Anna Stakia
- Abstract要約: ジェットフレーバーの分類は、現代の高エネルギー物理実験において、幅広い応用において最も重要である。
本稿では,現代のディープラーニング技術を活用した新しいアーキテクチャを提案する。
DeepJetと呼ばれるこの新しいモデルは、以前のアプローチに影響を及ぼした入力サイズの制限を克服する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Jet flavour classification is of paramount importance for a broad range of
applications in modern-day high-energy-physics experiments, particularly at the
LHC. In this paper we propose a novel architecture for this task that exploits
modern deep learning techniques. This new model, called DeepJet, overcomes the
limitations in input size that affected previous approaches. As a result, the
heavy flavour classification performance improves, and the model is extended to
also perform quark-gluon tagging.
- Abstract(参考訳): ジェットフレーバーの分類は、現代の高エネルギー物理実験、特にLHCにおける幅広い応用において最も重要である。
本稿では,現代的深層学習技術を活用したタスクのための新しいアーキテクチャを提案する。
DeepJetと呼ばれるこの新しいモデルは、以前のアプローチに影響を及ぼした入力サイズの制限を克服する。
その結果,フレーバー分類性能が向上し,クォークグルーオンタグ付けを行うモデルが拡張された。
関連論文リスト
- Flow Matching Beyond Kinematics: Generating Jets with Particle-ID and
Trajectory Displacement Information [0.0]
我々はJetClassデータセットでトレーニングされた最初の生成モデルを紹介する。
本モデルでは, 構成レベルでジェットを発生させ, 流れマッチング法でトレーニングした変分同変連続正規化流(CNF)である。
また,ジェット部品の運動特性を超越した生成モデルも導入した。
論文 参考訳(メタデータ) (2023-11-30T19:00:02Z) - Fast Hierarchical Learning for Few-Shot Object Detection [57.024072600597464]
転送学習アプローチは、最近、数ショット検出タスクで有望な結果を得た。
これらのアプローチは、ベース検出器の微調整による破滅的な忘れ込みの問題に悩まされる。
この作業における上記の問題に対処する。
論文 参考訳(メタデータ) (2022-10-10T20:31:19Z) - Class-incremental Novel Class Discovery [76.35226130521758]
クラス増進型新規クラス発見(class-iNCD)の課題について検討する。
基本クラスに関する過去の情報を忘れないようにする,クラスiNCDのための新しい手法を提案する。
3つの共通ベンチマークで実施した実験により,本手法が最先端の手法を著しく上回ることを示した。
論文 参考訳(メタデータ) (2022-07-18T13:49:27Z) - BIP: Boost Invariant Polynomials for Efficient Jet Tagging [0.0]
本稿では,ジェット表現のための新しい,汎用的で透明な枠組みを提案する。
ジェットタグベンチマークの精度は高いが、訓練や評価は桁違いに高速である。
論文 参考訳(メタデータ) (2022-07-17T19:46:42Z) - FOSTER: Feature Boosting and Compression for Class-Incremental Learning [52.603520403933985]
ディープニューラルネットワークは、新しいカテゴリーを学ぶ際に破滅的な忘れ方に悩まされる。
本稿では,新たなカテゴリを適応的に学習するためのモデルとして,新しい2段階学習パラダイムFOSTERを提案する。
論文 参考訳(メタデータ) (2022-04-10T11:38:33Z) - Particle Transformer for Jet Tagging [4.604003661048267]
ジェットタグのための新しい包括的データセットであるJetClassを提示する。
データセットは100Mジェットで構成され、既存の公開データセットよりも約2桁大きい。
我々は、ParT(Particle Transformer)と呼ばれるジェットタグのためのトランスフォーマーベースの新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-02-08T10:36:29Z) - EBJR: Energy-Based Joint Reasoning for Adaptive Inference [10.447353952054492]
最先端のディープラーニングモデルは、さまざまなベンチマークで大きなパフォーマンスレベルを達成した。
一方、軽量アーキテクチャは適度な精度を実現しますが、より望ましいレイテンシを実現しています。
本稿では,大規模高精度モデルと小型高速モデルとを併用する新しい手法を提案する。
論文 参考訳(メタデータ) (2021-10-20T02:33:31Z) - Powerpropagation: A sparsity inducing weight reparameterisation [65.85142037667065]
我々は、本質的にスパースモデルにつながるニューラルネットワークの新しい重みパラメータ化であるPowerpropagationを紹介した。
この方法で訓練されたモデルは同様の性能を示すが、0で明らかに高い密度の分布を持ち、より多くのパラメータを安全に刈り取ることができる。
ここでは、Powerpropagationと従来のウェイトプルーニング技術と、最近の最先端スパース・トゥ・スパースアルゴリズムを組み合わせることで、ImageNetベンチマークで優れたパフォーマンスを示す。
論文 参考訳(メタデータ) (2021-10-01T10:03:57Z) - Knowledge Distillation: A Survey [87.51063304509067]
ディープニューラルネットワークは、特にコンピュータビジョンタスクにおいて、産業と学術の両方で成功している。
リソースが限られているデバイスに、これらの面倒なディープモデルをデプロイすることは難しい。
知識蒸留は、大きな教師モデルから小さな学生モデルを効果的に学習する。
論文 参考訳(メタデータ) (2020-06-09T21:47:17Z) - Fine-Grained Visual Classification via Progressive Multi-Granularity
Training of Jigsaw Patches [67.51747235117]
きめ細かい視覚分類(FGVC)は従来の分類よりもはるかに難しい。
最近の研究は主に、最も差別的な部分の発見に焦点をあてることによってこの問題に対処している。
本稿では,これらの問題に対処するための視覚的細粒度分類のための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2020-03-08T19:27:30Z) - Wind Speed Prediction using Deep Ensemble Learning with a Jet-like
Architecture [0.28675177318965034]
ジェットの翼、尾、鼻のデザインは空気力学を改善し、ジェットの滑らかで制御された飛行をもたらす。
ベースレグレッタの多様な特徴空間は、ジェットのようなアンサンブルアーキテクチャを用いて活用される。
提案したDEL-Jet技術は,10個の独立した動作に対して評価され,深層およびジェット様のアーキテクチャが学習システムの堅牢性と一般化に有効であることを示す。
論文 参考訳(メタデータ) (2020-02-28T08:33:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。