論文の概要: Analysis of the HiSCORE Simulated Events in TAIGA Experiment Using
Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2112.10170v1
- Date: Sun, 19 Dec 2021 15:18:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-21 18:54:55.671887
- Title: Analysis of the HiSCORE Simulated Events in TAIGA Experiment 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実験におけるHiSCOREシミュレーション事象の解析
- Authors: Anna Vlaskina and Alexander Kryukov
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 77.34726150561087
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: TAIGA is a hybrid observatory for gamma-ray astronomy at high energies in
range from 10 TeV to several EeV. It consists of instruments such as
TAIGA-IACT, TAIGA-HiSCORE, and others. TAIGA-HiSCORE, in particular, is an
array of wide-angle timing Cherenkov light stations. TAIGA-HiSCORE data enable
to reconstruct air shower characteristics, such as air shower energy, arrival
direction, and axis coordinates. In this report, we propose to consider the use
of convolution neural networks in task of air shower characteristics
determination. We use Convolutional Neural Networks (CNN) to analyze HiSCORE
events, treating them like images. For this, the times and amplitudes of events
recorded at HiSCORE stations are used. The work discusses a simple
convolutional neural network and its training. In addition, we present some
preliminary results on the determination of the parameters of air showers such
as the direction and position of the shower axis and the energy of the primary
particle and compare them with the results obtained by the traditional method.
- Abstract(参考訳): TAIGAは10TeVから複数のEeVまでの高エネルギーでのガンマ線天文学のハイブリッド天文台である。
TAIGA-IACT、TAIGA-HiSCOREなどの楽器で構成されている。
特にTAIGA-HiSCOREは、広角タイミングのチェレンコフ光ステーションのアレイである。
TAIGA-HiSCOREデータにより、エアシャワーエネルギー、到着方向、軸座標などのエアシャワー特性を再構築することができる。
本報告では,空気シャワー特性判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。
畳み込みニューラルネットワーク(CNN)を用いて、HiSCOREイベントを分析し、それらを画像として扱う。
このため、日SCORE駅で記録されたイベントの時間と振幅が使用される。
この研究は、単純な畳み込みニューラルネットワークとそのトレーニングについて論じている。
また, シャワー軸の方向, 位置, 一次粒子のエネルギーなど, 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を示し, 従来の方法による結果と比較した。
関連論文リスト
- Selection of gamma events from IACT images with deep learning methods [0.0]
ガンマ線観測衛星TAIGAの大気チェレンコフ望遠鏡(IACT)によるエキシビティブ・エア・ショウア(EAS)の検出
ハドロン宇宙線背景からガンマ線画像を分離する能力は、この種の検出器の主な特徴の1つである。
実際のIACT観測では、背景とガンマ線源の同時観測が必要である。
この観察モード(ウォブリングと呼ばれる)は、ニューラルネットワークによる選択の質に影響を与えるイベントの画像を変更する。
論文 参考訳(メタデータ) (2024-01-30T13:07:24Z) - GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。
本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。
動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
論文 参考訳(メタデータ) (2023-09-28T07:46:01Z) - Equivariant Graph Neural Networks for Charged Particle Tracking [1.6626046865692057]
EuclidNetは荷電粒子追跡のための新しい対称性等価GNNである。
TrackMLデータセット上の最先端のインタラクションネットワークに対してベンチマークを行う。
以上の結果から,EuclidNetは小規模なモデルスケールでほぼ最先端の性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2023-04-11T15:43:32Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - 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) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
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。
論文 参考訳(メタデータ) (2021-12-19T15:17:20Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z) - Gravitational-wave selection effects using neural-network classifiers [0.0]
我々は、コンパクトバイナリ・マージから重力波信号のLIGO/Virgo検出性を予測するために、一連のニューラルネットワーク分類器を訓練する。
スピン沈降、高次モード、複数検出器の影響を含める。
我々のアプローチは完全なパイプライン注入と併用できるので、天体物理学とノイズトリガーの実際の分布を重力波の人口分析に含めるための道を開くことができる。
論文 参考訳(メタデータ) (2020-07-13T18:00:04Z)
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。