論文の概要: Hashing and metric learning for charged particle tracking

• arxiv url: http://arxiv.org/abs/2101.06428v1
• Date: Sat, 16 Jan 2021 10:57:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-28 04:28:02.750282
• Title: Hashing and metric learning for charged particle tracking
• Title（参考訳）: 荷電粒子追跡のためのハッシュとメトリック学習
• Authors: Sabrina Amrouche, Moritz Kiehn, Tobias Golling, Andreas Salzburger
• Abstract要約: 近似近接近傍探索に基づく高強度粒子衝突器における荷電粒子追跡の新しい手法を提案する。 私達は96%のバケツの追跡の効率および目に見えない粒子のでき事の8%の偽の率の大幅な速度の改善を示します。
• 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: We propose a novel approach to charged particle tracking at high intensity particle colliders based on Approximate Nearest Neighbors search. With hundreds of thousands of measurements per collision to be reconstructed e.g. at the High Luminosity Large Hadron Collider, the currently employed combinatorial track finding approaches become inadequate. Here, we use hashing techniques to separate measurements into buckets of 20-50 hits and increase their purity using metric learning. Two different approaches are studied to further resolve tracks inside buckets: Local Fisher Discriminant Analysis and Neural Networks for triplet similarity learning. We demonstrate the proposed approach on simulated collisions and show significant speed improvement with bucket tracking efficiency of 96% and a fake rate of 8% on unseen particle events.
• Abstract（参考訳）: 近似近接近傍探索に基づく高強度粒子衝突器における荷電粒子追跡の新しい手法を提案する。 例えば、衝突毎に数十万の計測値が復元される。 High Luminosity Large Hadron Colliderでは、現在使われている組合せ軌道探索アプローチが不十分になっている。 ここでは,20～50ヒットのバケットに測定値を分離し,メトリック学習による純度を高めるためにハッシュ手法を用いる。 3重項類似性学習のためのローカルフィッシャー判別分析とニューラルネットワークの2つの異なるアプローチがバケット内のトラックを更に解決するために研究されている。 シミュレーションによる衝突のシミュレーション手法を実証し,バケット追尾効率96%,偽の粒子発生率8%で大きな速度改善を示した。

関連論文リスト

• Robust shallow shadows [0.251657752676152]
  浅層計測回路の幅広いクラスを対象としたロバストなシャドウ推定プロトコルを提案する。 テンソルネットワークツールを用いて実験データから直接推定する方法を示す。 提案手法は,現在および近時雑音量子デバイスの実用的制約の下で,大域回転による影推定の可能性の最大化を実現する。
  論文  参考訳（メタデータ） (2024-05-09T18:00:09Z)
• Improved off-policy training of diffusion samplers [93.66433483772055]
  本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。 シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。 我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-07T18:51:49Z)
• Quantized Neural Networks for Low-Precision Accumulation with Guaranteed Overflow Avoidance [68.8204255655161]
  本稿では,推定時のアキュムレータの精度を下げる際に,数値オーバーフローを回避する量子化学習アルゴリズムを提案する。 本手法は,浮動小数点点ベースラインに対するモデル精度を維持しつつ,アキュムレータの精度を低減できることを示す。
  論文  参考訳（メタデータ） (2023-01-31T02:46:57Z)
• A Bayesian Detect to Track System for Robust Visual Object Tracking and Semi-Supervised Model Learning [1.7268829007643391]
  ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。 本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。 粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2022-05-05T00:18:57Z)
• Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
  そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。 モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。 提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-22T06:26:29Z)
• Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
  3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。 提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
  論文  参考訳（メタデータ） (2021-10-08T04:08:31Z)
• Quantum speedup for track reconstruction in particle accelerators [51.00143435208596]
  我々は,各局所追跡法に存在する基本ルーチンを4つ同定し,標準追跡アルゴリズムの文脈でどのようにスケールするかを解析する。 発見された量子スピードアップは穏やかだが、これは私たちの知識の中でも最高のものであり、高エネルギーの物理データ処理タスクに対する量子上の優位性の最初の厳密な証拠である。
  論文  参考訳（メタデータ） (2021-04-23T13:32:14Z)
• Simulating quench dynamics on a digital quantum computer with data-driven error mitigation [62.997667081978825]
  本稿では、実量子データにおけるノイズの影響を軽減するために用いられる、クリフォードデータ回帰に基づくいくつかの手法の最初の実装の1つを示す。 一般に、クリフォードデータ回帰に基づく手法は、ゼロノイズ外挿法と比較して有利である。 これはこの種の研究でこれまで調査された中で最大のシステムである。
  論文  参考訳（メタデータ） (2021-03-23T16:56:14Z)
• Use of Bayesian Nonparametric methods for Estimating the Measurements in High Clutter [4.547548797433131]
  本研究では,複数のセンサ計測をモデル化し,移動目標の追跡を高精度に行うためのロバストな生成手法を提案する。 我々は、目標と乱れの測定の結合事前分布を構築するために、ジョイントベイズ非パラメトリックモデルを用いている。 提案するフレームワークの追跡性能と有効性は,高いクラッタ測定を抑えることにより向上することを示す。
  論文  参考訳（メタデータ） (2020-11-30T18:32:34Z)
• Robotic grasp detection using a novel two-stage approach [5.595910672022999]
  深層学習はロボットの把握検出に成功している。 粒子推定器 (PSO) 候補Swarm と CNN を用いた2段階の手法を提案する。 我々のアプローチは、コーネルグラフデータセットで92.8%の精度を達成した。
  論文  参考訳（メタデータ） (2020-11-28T12:26:35Z)

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。