論文の概要: The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2112.10168v1
• Date: Sun, 19 Dec 2021 15:17:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 18:55:12.832791
• Title: The Preliminary Results on Analysis of TAIGA-IACT Images Using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いたAIGA-IACT画像の解析に関する予備的結果
• Authors: Elizaveta Gres and and Alexander Kryukov
• Abstract要約: 本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。 The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
• 参考スコア（独自算出の注目度）: 68.8204255655161
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The imaging Cherenkov telescopes TAIGA-IACT, located in the Tunka valley of the republic Buryatia, accumulate a lot of data in a short period of time which must be efficiently and quickly analyzed. One of the methods of such analysis is the machine learning, which has proven its effectiveness in many technological and scientific fields in recent years. The aim of the work is to study the possibility of the machine learning application to solve the tasks set for TAIGA-IACT: the identification of the primary particle of cosmic rays and reconstruction their physical parameters. In the work the method of Convolutional Neural Networks (CNN) was applied to process and analyze Monte-Carlo events simulated with CORSIKA. Also various CNN architectures for the processing were considered. It has been demonstrated that this method gives good results in the determining the type of primary particles of Extensive Air Shower (EAS) and the reconstruction of gamma-rays energy. The results are significantly improved in the case of stereoscopic observations.
• Abstract（参考訳）: ブレアティア共和国のタンカ谷にあるチェレンコフ望遠鏡TAIGA-IACTは、短時間で大量のデータを蓄積し、効率的にかつ迅速に分析する必要がある。 このような分析の方法の1つは機械学習であり、近年多くの技術・科学分野でその効果が証明されている。 本研究の目的は,宇宙線の一次粒子の同定と物理パラメータの再構成という,大賀行為の課題を解決するための機械学習応用の可能性を検討することである。 この研究では、CORSIKAでシミュレートされたモンテカルロイベントの処理と解析に、畳み込みニューラルネットワーク(CNN)の手法を適用した。 また、処理のための様々なCNNアーキテクチャも検討された。 この方法では, エアショーア (EAS) の一次粒子の種類の決定とガンマ線エネルギーの再構成に良好な結果が得られた。 その結果, 立体視では有意に改善した。

関連論文リスト

• Reconstruction of Particle Flow Energy Distribution Using Deep Learning Algorithms [8.5980103509356]
  近年の進歩は、エネルギーマップ再構築のための様々なサブ検出器からの熱量計画像の深層学習による処理である。 本稿では,従来のアルゴリズム-MLP,CNN,U-Net,RNN-を,自己注意と3D畳み込みモジュールを含む変種と比較する。 ジェットイベントのテストデータセットを使用して、異常な高エネルギーイベントを扱う際のモデルの性能を分析し、比較する。
  論文  参考訳（メタデータ） (2024-10-08T11:49:18Z)
• Physics-based reward driven image analysis in microscopy [5.581609660066545]
  本稿では,画像解析を動的に最適化するReward Functionの概念に基づく方法論を提案する。 Reward関数は、実験目標とより広いコンテキストと密接に整合するように設計されている。 高次元クラスタリングの物理駆動型報酬関数とアクション空間を作成することにより,部分非秩序領域の同定に向けた報酬関数のアプローチを拡張した。
  論文  参考訳（メタデータ） (2024-04-22T12:55:04Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Energy Reconstruction in Analysis of Cherenkov Telescopes Images in TAIGA Experiment Using Deep Learning Methods [0.0]
  本稿では,1個の望遠鏡(モノモード)と複数個のIACT望遠鏡(ステレオモード)のDeep Learning法によるモンテカルロ画像の解析を行う。 エネルギー再構成の質を推定し,そのエネルギースペクトルを数種類のニューラルネットワークを用いて解析した。
  論文  参考訳（メタデータ） (2022-11-16T15:24:32Z)
• Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
  我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。 本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
  論文  参考訳（メタデータ） (2022-03-10T14:22:54Z)
• End-to-end Neuron Instance Segmentation based on Weakly Supervised Efficient UNet and Morphological Post-processing [0.0]
  組織像からNeuN染色神経細胞を自動的に検出し,分画するエンド・ツー・エンド・エンド・エンド型のフレームワークを提案する。 私たちは最先端のネットワークであるEfficientNetをU-Netのようなアーキテクチャに統合します。
  論文  参考訳（メタデータ） (2022-02-17T14:35:45Z)
• 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)
• Analysis of the HiSCORE Simulated Events in TAIGA Experiment Using Convolutional Neural Networks [77.34726150561087]
  本稿では,エアシャワー特性決定における畳み込みニューラルネットワークの利用について検討する。 我々は、CNNを使ってHiSCOREイベントを分析し、それらをイメージとして扱います。 また,エアシャワーのパラメータの決定に関する予備的な結果も提示した。
  論文  参考訳（メタデータ） (2021-12-19T15:18:56Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• 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。

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。