論文の概要: Synthesis of pulses from particle detectors with a Generative Adversarial Network (GAN)

• arxiv url: http://arxiv.org/abs/2401.05295v1
• Date: Wed, 10 Jan 2024 17:54:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-11 14:09:21.144579
• Title: Synthesis of pulses from particle detectors with a Generative Adversarial Network (GAN)
• Title（参考訳）: GAN(Generative Adversarial Network)を用いた粒子検出器からのパルスの合成
• Authors: Alberto Regad\'io, Luis Esteban, Sebasti\'an S\'anchez-Prieto
• Abstract要約: 本稿では,粒子検出器からパルスを生成できるモデルを提案する。 このモデルは、人工ニューラルネットワーク、すなわちGenerative Adversarial Networks (GAN)に基づいている。 従来のパルス高さヒストグラムデータにマッチするデータ分布を実データと同一の形状のパルスを生成することができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To address the possible lack or total absence of pulses from particle detectors during the development of its associate electronics, we propose a model that can generate them without losing the features of the real ones. This model is based on artificial neural networks, namely Generative Adversarial Networks (GAN). We describe the proposed network architecture, its training methodology and the approach to train the GAN with real pulses from a scintillator receiving radiation from sources of ${}^{137}$Cs and ${}^{22}$Na. The Generator was installed in a Xilinx's System-On-Chip (SoC). We show how the network is capable of generating pulses with the same shape as the real ones that even match the data distributions in the original pulse-height histogram data.
• Abstract（参考訳）: そこで本研究では,電子回路の開発における粒子検出器からのパルスの欠如や総欠如に対処するため,実電子回路の特徴を損なうことなくパルスを発生できるモデルを提案する。 このモデルは、GAN(Generative Adversarial Networks)と呼ばれる人工ニューラルネットワークに基づいている。 提案するネットワークアーキテクチャ,そのトレーニング手法,および,${}^{137}$Csおよび${}^{22}$Naから放射を受けるシンチレータから実パルスでGANを訓練するためのアプローチについて述べる。 発電機はXilinxのSystem-On-Chip (SoC)に搭載された。 そこで本研究では, 実データと同一形状のパルスを生成し, 元のパルスheightヒストグラムデータのデータ分布にもマッチすることを示す。

関連論文リスト

• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Neural Network Parameter Diffusion [50.85251415173792]
  拡散モデルは画像生成やビデオ生成において顕著な成功を収めた。 本研究は拡散モデルにも適用可能であることを示す。 高性能なニューラルネットワークパラメータを生成する。
  論文  参考訳（メタデータ） (2024-02-20T16:59:03Z)
• Rethinking the Up-Sampling Operations in CNN-based Generative Network for Generalizable Deepfake Detection [86.97062579515833]
  我々は、アップサンプリング操作から生じる一般化された構造的アーティファクトをキャプチャし、特徴付ける手段として、NPR(Neighboring Pixel Relationships)の概念を紹介した。 tft28の異なる生成モデルによって生成されたサンプルを含む、オープンワールドデータセット上で包括的な分析を行う。 この分析は、新しい最先端のパフォーマンスを確立し、既存の手法よりも優れたtft11.6%の向上を示している。
  論文  参考訳（メタデータ） (2023-12-16T14:27:06Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Towards a scalable discrete quantum generative adversarial neural network [8.134122612459633]
  本稿では,バイナリデータを用いた完全量子生成対向ネットワークを提案する。 特に、生成器にノイズ再負荷、識別器に補助量子ビットを組み込んで、表現性を高める。 我々は、Isingモデルの合成データと低エネルギー状態の両方に対して、我々のモデルの表現力を実証的に示す。
  論文  参考訳（メタデータ） (2022-09-28T10:42:38Z)
• PulseDL-II: A System-on-Chip Neural Network Accelerator for Timing and Energy Extraction of Nuclear Detector Signals [3.307097167756987]
  本稿では,深層学習を持つパルスからイベント特徴(時間,エネルギーなど)を抽出するためのシステムオンチップ(SoC)であるPulseDL-IIを紹介する。 提案システムは, 47.4dBの信号対雑音比(SNR)において, オンラインニューラルネットワークを用いた60psの時間分解能と0.40%のエネルギー分解能を得た。
  論文  参考訳（メタデータ） (2022-09-02T08:52:21Z)
• ACMP: Allen-Cahn Message Passing for Graph Neural Networks with Particle Phase Transition [24.59894322312533]
  本稿では,グラフニューラルネットワークのためのAllen-Cahnメッセージパッシング(ACMP)を提案する。 系の力学は、粒子を吹き飛ばすことなく分離できる反応拡散過程である。 オーバースムーシングメッセージの一般的なGNN問題を回避するGNNのモデルを提供する。
  論文  参考訳（メタデータ） (2022-06-11T06:26:12Z)
• On some theoretical limitations of Generative Adversarial Networks [77.34726150561087]
  GANが任意の確率分布を生成できるという一般的な仮定である。 GANが重み付き分布を生成できないことを示すExtreme Value Theoryに基づく新しい結果を提供する。
  論文  参考訳（メタデータ） (2021-10-21T06:10:38Z)
• Synthetic Active Distribution System Generation via Unbalanced Graph Generative Adversarial Network [2.2749157557381245]
  Wasserstein GANの目的を持つ暗黙的な生成モデルは、合成三相非平衡な能動分布系接続を生成するように設計されている。 基本的な考え方は、実世界のシステムと線分の各フェーズにおけるランダムウォークの分布を学習することである。 いくつかのパワーアプリケーションを用いたケーススタディでは、提案フレームワークによって生成された合成アクティブネットワークが、現実世界のネットワークのほとんど全ての特徴を模倣できることが示されている。
  論文  参考訳（メタデータ） (2021-08-02T02:17:01Z)
• A Spiking Central Pattern Generator for the control of a simulated lamprey robot running on SpiNNaker and Loihi neuromorphic boards [1.8139771201780368]
  本稿では,シミュレートされたランプレーモデルを制御する手段として,スパイクニューラルネットワークとニューロモルフィックハードウェアの実装を提案する。 センサ情報によって提供できるネットワークへの入力を変更することで,ロボットの方向や速度を動的に制御できることを示す。 スパイキングアルゴリズムのこのカテゴリは、エネルギー効率と計算速度の観点から、ニューロモルフィックハードウェアの理論的利点を利用する有望な可能性を示している。
  論文  参考訳（メタデータ） (2021-01-18T11:04:16Z)
• Populations of Spiking Neurons for Reservoir Computing: Closed Loop Control of a Compliant Quadruped [64.64924554743982]
  本稿では,ニューラルネットワークを用いた中央パターン生成機構を実装し,閉ループロボット制御を実現するためのフレームワークを提案する。 本研究では,従順な四足歩行ロボットのシミュレーションモデル上で,予め定義された歩行パターン,速度制御,歩行遷移の学習を実演する。
  論文  参考訳（メタデータ） (2020-04-09T14:32:49Z)

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。