論文の概要: Processing Images from Multiple IACTs in the TAIGA Experiment with Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2112.15382v1
• Date: Fri, 31 Dec 2021 10:49:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-03 15:42:19.852011
• Title: Processing Images from Multiple IACTs in the TAIGA Experiment with 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TAIGA実験における複数IACT画像の処理
• Authors: Stanislav Polyakov, Andrey Demichev, Alexander Kryukov, Evgeny Postnikov
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Extensive air showers created by high-energy particles interacting with the Earth atmosphere can be detected using imaging atmospheric Cherenkov telescopes (IACTs). The IACT images can be analyzed to distinguish between the events caused by gamma rays and by hadrons and to infer the parameters of the event such as the energy of the primary particle. We use convolutional neural networks (CNNs) to analyze Monte Carlo-simulated images from the telescopes of the TAIGA experiment. The analysis includes selection of the images corresponding to the showers caused by gamma rays and estimating the energy of the gamma rays. We compare performance of the CNNs using images from a single telescope and the CNNs using images from two telescopes as inputs.
• Abstract（参考訳）: 地球大気と相互作用する高エネルギー粒子によって生成される広範囲の空気シャワーは、チェレンコフ望遠鏡 (iacts) で観測できる。 IACT画像はガンマ線とハドロンによって引き起こされる事象を区別し、一次粒子のエネルギーなどの事象のパラメータを推測するために分析することができる。 我々は、TAIGA実験の望遠鏡からモンテカルロシミュレーション画像を分析するために畳み込みニューラルネットワーク(CNN)を用いる。 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。 一つの望遠鏡の画像と2つの望遠鏡の画像を用いてCNNの性能を比較した。

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)
• Using conditional variational autoencoders to generate images from atmospheric Cherenkov telescopes [48.7576911714538]
  地球上層大気に衝突する高エネルギー粒子は、地上から検出できる広範囲の大気シャワーを発生させる。 チェレンコフ望遠鏡によって記録された画像は、背景のハドロンイベントからガンマ線イベントを分離するために分析することができる。 条件付き変分オートエンコーダを用いて,TAIGA実験のチェレンコフ望遠鏡からガンマ事象の画像を生成する。
  論文  参考訳（メタデータ） (2022-11-22T20:05:35Z)
• 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)
• 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)
• 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)
• Classification of diffraction patterns using a convolutional neural network in single particle imaging experiments performed at X-ray free-electron lasers [53.65540150901678]
  X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。 再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。 本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
  論文  参考訳（メタデータ） (2021-12-16T17:03:14Z)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• A study of Neural networks point source extraction on simulated Fermi/LAT Telescope images [1.4528756508275622]
  本稿では,我々の人工データセットに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた点源抽出手法を提案する。 これらの画像は1から10GeVのエネルギーをカバーする10×10度の原数光子マップである。
  論文  参考訳（メタデータ） (2020-07-08T17:47:31Z)

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。