論文の概要: No more glowing in the dark: How deep learning improves exposure date
estimation in thermoluminescence dosimetry
- arxiv url: http://arxiv.org/abs/2106.07592v1
- Date: Mon, 14 Jun 2021 16:51:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 19:23:50.725961
- Title: No more glowing in the dark: How deep learning improves exposure date
estimation in thermoluminescence dosimetry
- Title(参考訳): no more glowing in the dark: 深層学習が熱ルミネッセンス線量計の露光日推定を改善する方法
- Authors: F. Mentzel, E. Derugin, H. Jansen, K. Kr\"oninger, O. Nackenhorst, J.
Walbersloh and J. Weingarten
- Abstract要約: 深部ニューラルネットワークを用いて,42日間の監視間隔で12mSvの単一照射日を推定する。
深部畳み込みネットワークを用いて、68%の信頼レベルで約1~2日の不確実性を有する生の時間分解光曲線データから照射日を予測することができる。
これは、ニューラルネットワークへの入力としてグロー曲線のデコンボリューションから得られる特徴を用いて、予測の不確かさを2~4日間の予測結果とした前報と比較して、予測精度が大幅に向上したことを意味する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The time- or temperature-resolved detector signal from a thermoluminescence
dosimeter can reveal additional information about circumstances of an exposure
to ionizing irradiation. We present studies using deep neural networks to
estimate the date of a single irradiation with 12 mSv within a monitoring
interval of 42 days from glow curves of novel TL-DOS personal dosimeters
developed by the Materialpr\"ufungsamt NRW in cooperation with TU Dortmund
University. Using a deep convolutional network, the irradiation date can be
predicted from raw time-resolved glow curve data with an uncertainty of roughly
1-2 days on a 68% confidence level without the need for a prior transformation
into temperature space and a subsequent glow curve deconvolution. This
corresponds to a significant improvement in prediction accuracy compared to a
prior publication, which yielded a prediction uncertainty of 2-4 days using
features obtained from a glow curve deconvolution as input to a neural network.
- Abstract(参考訳): 熱ルミネッセンス線量計からの時間または温度分解検出器信号は、電離放射線への曝露状況に関する追加情報を明らかにすることができる。
TU Dortmund Universityと共同でMaterialpr\"ufungsamt NRWによって開発された新しいTL-DOS個人線量計の光度曲線から,42日間の監視間隔内で12mSvの単一照射日を推定するために,ディープニューラルネットワークを用いた研究を行った。
深層畳み込みネットワークを用いて、温度空間への事前変換やその後のグローカーブデコンボリューションを必要とせず、68%の信頼度レベルで約1-2日の不確かさを有する生の時間分解グローカーブデータから照射日を予測できる。
これは、ニューラルネットワークへの入力としてグローカーブデコンボリューションから得られた特徴を用いて、2〜4日間の予測不確実性をもたらす以前の出版と比較して、予測精度の大幅な向上に対応する。
関連論文リスト
- Assessing Neural Network Representations During Training Using
Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。
データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。
本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
論文 参考訳(メタデータ) (2023-12-04T01:32:42Z) - DECODE: DilatEd COnvolutional neural network for Detecting
Extreme-mass-ratio inspirals [9.4516663566774]
本稿では,周波数領域におけるシーケンスモデリングによるEMRI信号検出に着目したエンドツーエンドモデルDECODEを提案する。
我々は,SNRを50~120に蓄積した1年間のデータから,真正の96.3%を偽正の1%で達成した。
論文 参考訳(メタデータ) (2023-08-31T03:16:38Z) - Deep Learning for Day Forecasts from Sparse Observations [60.041805328514876]
深層ニューラルネットワークは、気象条件をモデル化するための代替パラダイムを提供する。
MetNet-3は、密度とスパースの両方のデータセンサーから学習し、降水、風、温度、露点を最大24時間前に予測する。
MetNet-3は、それぞれ時間分解能と空間分解能が高く、最大2分と1km、運用遅延は低い。
論文 参考訳(メタデータ) (2023-06-06T07:07:54Z) - Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。
その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2023-01-19T20:04:36Z) - Understanding of the properties of neural network approaches for
transient light curve approximations [37.91290708320157]
本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。
テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
論文 参考訳(メタデータ) (2022-09-15T18:00:08Z) - Prediction of the motion of chest internal points using a recurrent
neural network trained with real-time recurrent learning for latency
compensation in lung cancer radiotherapy [0.0]
追跡点と初期腫瘍像から3次元の腫瘍像を復元・予測する手法を提案する。
テストセット上のRNN予測に対応するルート平均二乗誤差、最大誤差、ジッタは、線形予測と最小平均二乗(LMS)で得られたものと同じ性能測定値よりも小さい。
予測画像の腫瘍位置は視力的に正しかったが, 原画像と予測画像の相互相関は0.955と高い値であった。
論文 参考訳(メタデータ) (2022-07-13T04:08:21Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳(メタデータ) (2021-10-01T23:01:20Z) - Differentially private training of neural networks with Langevin
dynamics forcalibrated predictive uncertainty [58.730520380312676]
その結果,DP-SGD(差分偏差勾配勾配勾配勾配勾配)は,低校正・過信深層学習モデルが得られることがわかった。
これは、医療診断など、安全クリティカルな応用にとって深刻な問題である。
論文 参考訳(メタデータ) (2021-07-09T08:14:45Z) - Deep learning-based statistical noise reduction for multidimensional
spectral data [3.0396858935319724]
我々は,ディープラーニングを制約を克服するインテリジェントな方法として活用する認知的手法を実証する。
我々は,2桁の取得時間で取得したデータに対して,デノナイジングニューラルネットワークによって同様の2次微分および線形状解析を行うことができることを示した。
論文 参考訳(メタデータ) (2021-07-02T05:37:16Z) - Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。
LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。
標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
論文 参考訳(メタデータ) (2021-06-23T18:00:05Z) - Convolutional Neural Networks applied to sky images for short-term solar
irradiance forecasting [0.0]
本研究は, 深部畳み込みニューラルネットワークの2~20分間の照度予測への適用に関する予備的な結果を示す。
パリザウ(フランス)で8ヶ月にわたって収集された光度測定とそれに対応する天空画像を用いて,時間分解能を2分間で評価した。
論文 参考訳(メタデータ) (2020-05-22T15:57:39Z)
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。