論文の概要: Tackling the muon identification in water Cherenkov detectors problem for the future Southern Wide-field Gamma-ray Observatory by means of Machine Learning

• arxiv url: http://arxiv.org/abs/2101.11924v1
• Date: Thu, 28 Jan 2021 10:54:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 11:48:26.404887
• Title: Tackling the muon identification in water Cherenkov detectors problem for the future Southern Wide-field Gamma-ray Observatory by means of Machine Learning
• Title（参考訳）: 機械学習による将来の南方広視野ガンマ線観測装置のチェレンコフ検出器問題におけるミューオン同定に取り組む
• Authors: B.S. Gonz\'alez, R. Concei\c{c}\~ao, M. Pimenta, B. Tom\'e, A. Guill\'en
• Abstract要約: 本稿では,水量と4PMTを低減した水量チェレンコフ検出器におけるミューオンの同定問題に対処するいくつかの手法を提案する。 情報表現の異なる視点を使用し、特定のドメイン知識を使って新しい機能を設計する。 その結果、最先端の機械学習分析技術と水深の低いチェレンコフ検出器を組み合わせることで、ミューオンを効率的に同定できることが証明された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents several approaches to deal with the problem of identifying muons in a water Cherenkov detector with a reduced water volume and 4 PMTs. Different perspectives of information representation are used and new features are engineered using the specific domain knowledge. As results show, these new features, in combination with the convolutional layers, are able to achieve a good performance avoiding overfitting and being able to generalise properly for the test set. The results also prove that the combination of state-of-the-art Machine Learning analysis techniques and water Cherenkov detectors with low water depth can be used to efficiently identify muons, which may lead to huge investment savings due to the reduction of the amount of water needed at high altitudes. This achievement can be used in further research to be able to discriminate between gamma and hadron induced showers using muons as discriminant.
• Abstract（参考訳）: 本稿では,水量と4PMTを低減した水量チェレンコフ検出器におけるミューオンの同定問題に対処するいくつかの手法を提案する。 情報表現の異なる視点を使用し、特定のドメイン知識を使って新しい機能を設計する。 結果が示すように、これらの新機能は畳み込み層と組み合わせて、オーバーフィッティングを回避する優れたパフォーマンスを達成でき、テストセットに対して適切に一般化することができる。 また,最先端の機械学習解析手法と低水深の水チェレンコフ検出器を組み合わせることでミューオンの効率的な識別が可能であり,高水位で必要とされる水量の削減による巨額の投資削減につながる可能性がある。 この成果は、ミューオンを判別剤として、ガンマとハドロンによるシャワーを区別するために、さらなる研究で使用できる。

関連論文リスト

• Uncertainty quantification for White Matter Hyperintensity segmentation detects silent failures and improves automated Fazekas quantification [3.1773635209430036]
  ホワイトマター・ハイパーインテンシティ(White Matter Hyperintensities、WMH)は、脳MRIに存在する小血管疾患の主要な神経放射線学的マーカーである。 WMHは, 形状, 位置, サイズ, 未定義境界, および他の病理と類似の強度プロファイルにより, セグメンテーションが困難である。 WMHの不確実性情報を組み込むことで,ファゼカス分類性能と校正性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-11-26T16:34:24Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Spectral Analysis of Marine Debris in Simulated and Observed Sentinel-2/MSI Images using Unsupervised Classification [0.0]
  本研究では,Sentinel-2ミッションのMultispectral Instrument(MSI)と機械学習アルゴリズムを組み合わせたRTMシミュレーションデータを用いた。 その結果, 汚染物質のスペクトル挙動は, ポリマーの種類や画素被覆率などの影響を受けていることがわかった。 これらの知見は、海洋プラスチック汚染を検知するためのリモートセンシングアプリケーションにおける将来の研究を導くことができる。
  論文  参考訳（メタデータ） (2023-06-26T18:46:47Z)
• DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water Extent with SAR Images using Knowledge Distillation [44.99833362998488]
  トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。 我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。 実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
  論文  参考訳（メタデータ） (2023-05-02T18:06:21Z)
• GAMMA: Generative Augmentation for Attentive Marine Debris Detection [0.0]
  そこで本稿では,水中デブリデータによる視覚的検出の不適切な問題を解決するために,効率的で生成的な拡張手法を提案する。 我々は、CycleGANをデータ拡張技術として使用し、地球上のプラスチックのオープンで豊富なデータを水中画像に変換する。 また,アテンション機構を用いた水中デブリ検出のため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） (2022-12-07T16:30:51Z)
• On the Frequency Bias of Generative Models [61.60834513380388]
  我々は、最先端のGANトレーニングにおいて、高周波アーティファクトに対する提案手法を解析した。 既存のアプローチでは、スペクトルアーティファクトを完全に解決できないことが分かっています。 以上の結果から,識別能力の向上に大きな可能性があることが示唆された。
  論文  参考訳（メタデータ） (2021-11-03T18:12:11Z)
• Signal Processing and Machine Learning Techniques for Terahertz Sensing: An Overview [89.09270073549182]
  テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。 THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。 本稿では,信号前処理に着目した手法の概要を示す。 また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
  論文  参考訳（メタデータ） (2021-04-09T01:38:34Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• A water-obstacle separation and refinement network for unmanned surface vehicles [13.515085879331425]
  本稿では,これらの問題に対処するため,新しいディープエンコーダ・デコーダアーキテクチャ(WaSR)を提案する。 その結果,WaSRは2番目の手法に比べてF値が14%向上し,最先端技術よりも高い性能を示した。
  論文  参考訳（メタデータ） (2020-01-07T07:47:52Z)

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。