Fugu-MT 論文翻訳(概要): Application of neural networks to classification of data of the TUS orbital telescope

論文の概要: Application of neural networks to classification of data of the TUS orbital telescope

arxiv url: http://arxiv.org/abs/2106.03361v1
Date: Mon, 7 Jun 2021 06:31:56 GMT
ステータス: 処理完了
システム内更新日: 2021-06-08 17:32:51.077198
Title: Application of neural networks to classification of data of the TUS orbital telescope
Title（参考訳）: TUS軌道望遠鏡のデータ分類へのニューラルネットワークの適用
Authors: Mikhail Zotov
Abstract要約: 我々は、TUS蛍光望遠鏡のデータ分類にニューラルネットワークを用いる。 TUSデータでは、光検出器の宇宙線照射によって発生するトラックライクフラッシュと、遠方の雷から発生するフラッシュの2種類の信号に焦点をあてる。
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: We employ neural networks for classification of data of the TUS fluorescence telescope, the world's first orbital detector of ultra-high energy cosmic rays. We focus on two particular types of signals in the TUS data: track-like flashes produced by cosmic ray hits of the photodetector and flashes that originated from distant lightnings. We demonstrate that even simple neural networks combined with certain conventional methods of data analysis can be highly effective in tasks of classification of data of fluorescence telescopes.
Abstract（参考訳）: 我々は、超高エネルギー宇宙線の世界初の軌道検出器であるTUS蛍光望遠鏡のデータ分類にニューラルネットワークを使用している。 TUSデータでは、光検出器の宇宙線照射によって発生するトラックライクフラッシュと、遠方の雷から発生するフラッシュの2種類の信号に焦点を当てる。従来のデータ解析手法と組み合わせた単純なニューラルネットワークでさえ、蛍光望遠鏡のデータ分類のタスクに非常に効果的であることを示す。

関連論文リスト

Neural Network Based Approach to Recognition of Meteor Tracks in the Mini-EUSO Telescope Data [44.35048360978502]
ミニEUSO(Mini-EUSO)は、国際宇宙ステーションから地球の夜間大気に紫外線(UV)を登録する広角蛍光望遠鏡である。 2値分類問題の観点から,Mini-EUSOデータにおける流星信号の認識を高精度に行うための2つの単純な人工ニューラルネットワークを提案する。
論文参考訳（メタデータ） (2023-11-25T10:00:49Z)
Learning and Controlling Silicon Dopant Transitions in Graphene using Scanning Transmission Electron Microscopy [58.51812955462815]
単層炭素原子上のシリコン原子の遷移ダイナミクスを機械学習で決定する手法を提案する。データサンプルは、ニューラルネットワークをトレーニングして遷移確率を予測するために、シンボリック表現を生成するために処理され、フィルタリングされる。これらの学習された遷移ダイナミクスを利用すれば、格子全体に1つのシリコン原子を誘導し、あらかじめ決定された目標目的地へと導くことができる。
論文参考訳（メタデータ） (2023-11-21T21:51:00Z)
Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology Classification and Anomaly Detection [57.85347204640585]
We developed a Universal Domain Adaptation method DeepAstroUDA。異なるタイプのクラスオーバーラップしたデータセットに適用することができる。初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
論文参考訳（メタデータ） (2022-11-01T18:07:21Z)
Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文参考訳（メタデータ） (2022-01-07T22:26:33Z)
Processing Images from Multiple IACTs in the TAIGA Experiment with Convolutional Neural Networks [62.997667081978825]
我々は、畳み込みニューラルネットワーク(CNN)を用いて、TAIGA実験からモンテカルロシミュレーション画像を分析する。この分析は、ガンマ線によるシャワーに対応する画像の選択と、ガンマ線のエネルギーを推定することを含む。
論文参考訳（メタデータ） (2021-12-31T10:49:11Z)
Detecting optical transients using artificial neural networks and reference images from different surveys [0.0]
人工ニューラルネットワークを用いてこれらのトランジェントを検出する手法を提案する。 1つの画像は、潜在的な過渡期が存在する可能性があるエポックに対応しており、もう1つは初期のエポックの参照画像である。実画像データから生成されたサンプルを用いて、シミュレーションされたサンプルに基づいて畳み込みニューラルネットワークと高密度層ネットワークを訓練し、トレーニングされたネットワークを試験した。
論文参考訳（メタデータ） (2020-09-28T22:16:54Z)
Multispectral Biometrics System Framework: Application to Presentation Attack Detection [10.246136918682057]
能動光源と同期する一連のセンサからマルチスペクトルデータをキャプチャするバイオメトリックスシステムを構築するためのフレームワークを提案する。提示された設計は、可視光から長波長の赤外線まで、このような多様な電磁スペクトルバンドを使用した最初のものである。
論文参考訳（メタデータ） (2020-06-12T22:09:35Z)
BiDet: An Efficient Binarized Object Detector [96.19708396510894]
本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
論文参考訳（メタデータ） (2020-03-09T08:16:16Z)
Detection and Classification of Astronomical Targets with Deep Neural Networks in Wide Field Small Aperture Telescopes [9.035184185881777]
深層ニューラルネットワークに基づく天文目標検出・分類フレームワークを提案する。我々のフレームワークは、Faster R-CNNの概念を採用し、改良されたResnet-50をバックボーンネットワークとして使用している。我々は,Nvidia Jetson Xavierのような組み込みデバイスに我々のフレームワークをインストールし,リアルタイムな天文学的目標検出と分類能力を実現することを提案する。
論文参考訳（メタデータ） (2020-02-21T10:35:31Z)
The use of Convolutional Neural Networks for signal-background classification in Particle Physics experiments [0.4301924025274017]
広範に畳み込み型ニューラルアーキテクチャ探索を行い,HEP分類のための信号/背景識別を高精度に行う。パラメータが少ないCNNで複雑なResNetアーキテクチャと同じ精度を実現できることを示す。
論文参考訳（メタデータ） (2020-02-13T19:54:46Z)

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。