論文の概要: Parameter Estimation using Neural Networks in the Presence of Detector Effects

• arxiv url: http://arxiv.org/abs/2010.03569v3
• Date: Wed, 7 Apr 2021 00:01:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 00:04:46.038304
• Title: Parameter Estimation using Neural Networks in the Presence of Detector Effects
• Title（参考訳）: ニューラルネットワークを用いた検出器効果を考慮したパラメータ推定
• Authors: Anders Andreassen, Shih-Chieh Hsu, Benjamin Nachman, Natchanon Suaysom, and Adi Suresh
• Abstract要約: ヒストグラムベースのテンプレートフィッティングは、高エネルギー物理モンテカルロ発生器のパラメータを推定する主要な手法である。 パラメタライズされたニューラルネットワークの再重み付けは、このフィッティング手順を多くの次元に拡張するために使用することができ、ビンニングを必要としない。 我々は、検出器シミュレーションを伴う1つのデータセットと、検出効果を含まない1つの世代レベルのデータセットのみを必要とする、新しい2段階のフィッティングアプローチを導入する。
• 参考スコア（独自算出の注目度）: 4.230838081898361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Histogram-based template fits are the main technique used for estimating parameters of high energy physics Monte Carlo generators. Parametrized neural network reweighting can be used to extend this fitting procedure to many dimensions and does not require binning. If the fit is to be performed using reconstructed data, then expensive detector simulations must be used for training the neural networks. We introduce a new two-level fitting approach that only requires one dataset with detector simulation and then a set of additional generation-level datasets without detector effects included. This Simulation-level fit based on Reweighting Generator-level events with Neural networks (SRGN) is demonstrated using simulated datasets for a variety of examples including a simple Gaussian random variable, parton shower tuning, and the top quark mass extraction.
• Abstract（参考訳）: ヒストグラムベースのテンプレートフィッティングは、高エネルギー物理モンテカルロ発生器のパラメータを推定する主要な手法である。 パラメータ化されたニューラルネットワークの重み付けは、この適合手順を多くの次元に拡張するために使用され、バイナリ化は必要ない。 再構成データを用いて適合を行う場合、ニューラルネットワークのトレーニングに高価な検出器シミュレーションを使用する必要がある。 本研究では,検出器シミュレーションを伴う1つのデータセットと,検出器効果を含まない新たな生成レベルのデータセットのセットのみを必要とする,新たな2レベル適合手法を提案する。 簡易なガウス確率変数,パルトンシャワーチューニング,トップクォーク質量抽出など,様々な例を対象としたシミュレーションデータセットを用いて,ニューラルネットワークを用いた発電機レベルのイベントに基づくシミュレーションレベルの適合性を示す。

関連論文リスト

• Lamarr: LHCb ultra-fast simulation based on machine learning models deployed within Gauss [0.0]
  LHCb実験における検出器応答と再構成アルゴリズムの両方をパラメータ化するシミュレーション生成を高速化するフレームワークであるLamarrについて論じる。 複数のアルゴリズムと戦略を駆使した深部生成モデルを用いて、LHCb検出器の単一成分の高レベル応答を効果的にパラメータ化する。
  論文  参考訳（メタデータ） (2023-03-20T20:18:04Z)
• Generative Adversarial Networks for Scintillation Signal Simulation in EXO-200 [0.13246303154954686]
  EXO-200実験の時間投影チャンバーからの光検出器信号のシミュレーションを行うための新しい手法を実証した。 従来のシミュレーション手法よりも桁違いに高速に高品質なシミュレーション波形を生成できることがわかった。 ネットワーク出力はEXO-200分析フレームワークに統合され、標準的なEXO-200再構成ルーチンがシミュレーション波形を処理し、実際の波形に匹敵するエネルギーを生成することを示す。
  論文  参考訳（メタデータ） (2023-03-11T05:16:20Z)
• Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
  ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。 提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。 我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
  論文  参考訳（メタデータ） (2022-09-26T17:59:58Z)
• Neural network enhanced measurement efficiency for molecular groundstates [63.36515347329037]
  いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。 ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
  論文  参考訳（メタデータ） (2022-06-30T17:45:05Z)
• An advanced spatio-temporal convolutional recurrent neural network for storm surge predictions [73.4962254843935]
  本研究では, 人工ニューラルネットワークモデルを用いて, 嵐の軌跡/規模/強度履歴に基づいて, 強風をエミュレートする能力について検討する。 本研究では, 人工嵐シミュレーションのデータベースを用いて, 強風を予測できるニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2022-04-18T23:42:18Z)
• SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
  本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。 基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。 シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
  論文  参考訳（メタデータ） (2021-06-10T04:21:20Z)
• Deep Transformer Networks for Time Series Classification: The NPP Safety Case [59.20947681019466]
  時間依存nppシミュレーションデータをモデル化するために、教師付き学習方法でトランスフォーマと呼ばれる高度なテンポラルニューラルネットワークを使用する。 トランスはシーケンシャルデータの特性を学習し、テストデータセット上で約99%の分類精度で有望な性能が得られる。
  論文  参考訳（メタデータ） (2021-04-09T14:26:25Z)
• Transfer Learning with Convolutional Networks for Atmospheric Parameter Retrieval [14.131127382785973]
  MetOp衛星シリーズに搭載された赤外線音波干渉計(IASI)は、数値気象予測(NWP)に重要な測定値を提供する IASIが提供する生データから正確な大気パラメータを取得することは大きな課題であるが、NWPモデルでデータを使用するには必要である。 本研究では,iasiデータから抽出した特徴を,低い高度で異なる物理変数を予測するように設計された別の統計手法への入力として使用できることを示す。
  論文  参考訳（メタデータ） (2020-12-09T09:28:42Z)
• Statistical model-based evaluation of neural networks [74.10854783437351]
  ニューラルネットワーク(NN)の評価のための実験装置を開発する。 このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。 これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
  論文  参考訳（メタデータ） (2020-11-18T00:33:24Z)
• A Quantum Graph Neural Network Approach to Particle Track Reconstruction [1.087475836765689]
  本稿では,初期単純化ツリーネットワーク(TTN)モデルの低精度化を克服するために,反復的アプローチによる改良モデルを提案する。 我々は、量子コンピューティングの能力を活用して、非常に多くの状態を同時に評価し、それによって、大きなパラメータ空間を効果的に探索することを目指している。
  論文  参考訳（メタデータ） (2020-07-14T07:25:24Z)

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。