論文の概要: Deep Learning for Gamma-Ray Bursts: A data driven event framework for
X/Gamma-Ray analysis in space telescopes
- arxiv url: http://arxiv.org/abs/2401.15632v1
- Date: Sun, 28 Jan 2024 11:49:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:13:42.431040
- Title: Deep Learning for Gamma-Ray Bursts: A data driven event framework for
X/Gamma-Ray analysis in space telescopes
- Title（参考訳）: ガンマ線バーストの深層学習:宇宙望遠鏡におけるX/ガンマ線分析のためのデータ駆動イベントフレームワーク
- Authors: Riccardo Crupi
- Abstract要約: この論文は、Gamma Ray-Bursts (GRB) の概要、その特性、検出に使用される機器、人工知能 (AI) アプリケーションの提供に捧げられている。
Fermi-GBM や HERMES Pathfinder のような次世代の高X線モニターの電流と次世代の両方を考慮すると、研究課題は長く、希薄な高エネルギートランジェントの検出を中心に展開される。
これを解決するために、2つの章では、新しいデータ駆動フレームワークであるDeepGRBを紹介している。
- 参考スコア（独自算出の注目度）: 2.4666310814233703
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This thesis comprises the first three chapters dedicated to providing an
overview of Gamma Ray-Bursts (GRBs), their properties, the instrumentation used
to detect them, and Artificial Intelligence (AI) applications in the context of
GRBs, including a literature review and future prospects. Considering both the
current and the next generation of high X-ray monitors, such as Fermi-GBM and
HERMES Pathfinder (an in-orbit demonstration of six 3U nano-satellites), the
research question revolves around the detection of long and faint high-energy
transients, potentially GRBs, that might have been missed by previous detection
algorithms. To address this, two chapters introduce a new data-driven
framework, DeepGRB.
In Chapter 4, a Neural Network (NN) is described for background count rate
estimation for X/gamma-ray detectors, providing a performance evaluation in
different periods, including both solar maxima, solar minima periods, and one
containing an ultra-long GRB. The application of eXplainable Artificial
Intelligence (XAI) is performed for global and local feature importance
analysis to better understand the behavior of the NN.
Chapter 5 employs FOCuS-Poisson for anomaly detection in count rate
observations and estimation from the NN. DeepGRB demonstrates its capability to
process Fermi-GBM data, confirming cataloged events and identifying new ones,
providing further analysis with estimates for localization, duration, and
classification. The chapter concludes with an automated classification method
using Machine Learning techniques that incorporates XAI for eventual bias
identification.
- Abstract（参考訳）: この論文は、Gamma Ray-Bursts(GRB)の概観、その特性、検出に使用される機器、GRBの文脈における人工知能(AI)の応用、文学的レビューや今後の展望など、最初の3章で構成されている。
フェルミGBMやHERMESパスファインダー(6つの3Uナノサテライトの軌道上での実証)のような、現在のX線モニターと次世代の高エネルギーモニターの両方を考えると、この研究問題は、かつて検出アルゴリズムが見逃した可能性のある、長く薄い高エネルギーのトランジェント(おそらくはGRB)の検出を中心に展開される。
これに対処するために、2つの章が新しいデータ駆動フレームワークであるdeepgrbを紹介している。
第4章では、x/ガンマ線検出器の背景カウントレート推定のためにニューラルネットワーク(nn)を記述し、太陽極大、太陽極小、超長grbを含むものを含め、異なる期間のパフォーマンス評価を提供する。
eXplainable Artificial Intelligence (XAI) の応用は、NNの振る舞いをよりよく理解するために、グローバルおよびローカルな特徴重要度分析に行われている。
第5章ではFOCuS-Poissonを用いてカウントレートの観測とNNからの推定の異常検出を行っている。
DeepGRBは、Fermi-GBMデータを処理し、カタログ化されたイベントを確認し、新しいイベントを特定する能力を示し、ローカライゼーション、期間、分類の見積によるさらなる分析を提供する。
この章は、結果バイアス識別にxaiを組み込んだ機械学習技術を用いた自動分類手法で締めくくっている。
関連論文リスト
- MAX: Masked Autoencoder for X-ray Fluorescence in Geological Investigation [7.777211995715721]
本稿では,XRFスペクトル(MAX)にマスク付き自己教師付きオートエンコーダを導入し,基礎モデルの事前学習を行う。
入力スペクトルの高い割合(50%)をマスキングすると、非自明で有意義な自己監督タスクが生じる。
その結果、MAXはデータの3分の1しか必要とせず、量子化精度の点で事前学習なしでモデルより優れていることがわかった。
論文 参考訳（メタデータ） (2024-10-16T07:52:26Z) - Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark [73.58840254552656]
近年,非教師付きグラフレベルの異常検出(GLAD)と教師なしグラフレベルのアウト・オブ・ディストリビューション(OOD)検出が注目されている。
教師なしグラフレベルのOODと異常検出のための統一ベンチマーク(我々の方法)を提案する。
我々のベンチマークでは、4つの実用的な異常とOOD検出シナリオにまたがる35のデータセットを網羅している。
我々は,既存手法の有効性,一般化性,堅牢性,効率性について多次元解析を行った。
論文 参考訳（メタデータ） (2024-06-21T04:07:43Z) - BOURNE: Bootstrapped Self-supervised Learning Framework for Unified
Graph Anomaly Detection [50.26074811655596]
自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。
ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。
BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
論文 参考訳（メタデータ） (2023-07-28T00:44:57Z) - A Survey on Graph Neural Networks for Time Series: Forecasting, Classification, Imputation, and Anomaly Detection [98.41798478488101]
時系列分析は、利用可能なデータに暗黙的な情報の富を解放するために不可欠である。
グラフニューラルネットワーク(GNN)の最近の進歩は、時系列解析のためのGNNベースのアプローチの急増につながっている。
この調査は、GNNベースの時系列研究に関する膨大な知識をまとめ、基礎、実践的応用、時系列分析のためのグラフニューラルネットワークの機会を強調します。
論文 参考訳（メタデータ） (2023-07-07T08:05:03Z) - Searching for long faint astronomical high energy transients: a data
driven approach [1.5851170136095292]
宇宙起源の高エネルギー検出器のバックグラウンドカウント率を評価するための新しいフレームワークを提案する。
我々は、異なる時間スケールで背景光曲線を推定するためにニューラルネットワーク(NN)を用いる。
我々は,NASAのFermi Gamma-ray Burst Monitor(GBM)のアーカイブデータに基づいて,新しいソフトウェアをテストする。
論文 参考訳（メタデータ） (2023-03-28T12:47:00Z) - Spectral Cross-Domain Neural Network with Soft-adaptive Threshold
Spectral Enhancement [12.837935554250409]
スペクトルクロスドメインニューラルネットワーク(SCDNN)という新しいディープラーニングモデルを提案する。
同時に、ニューラルネットワーク内のスペクトル領域と時間領域に埋め込まれたキー情報を明らかにする。
提案するSCDNNは、パブリックECGデータベースの textitPTB-XL と textitMIT-BIH に実装されたいくつかの分類タスクでテストされる。
論文 参考訳（メタデータ） (2023-01-10T14:23:43Z) - Supervised classification methods applied to airborne hyperspectral
images: Comparative study using mutual information [0.0]
本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。
実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
論文 参考訳（メタデータ） (2022-10-27T13:39:08Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z) - Topological Data Analysis (TDA) Techniques Enhance Hand Pose
Classification from ECoG Neural Recordings [0.0]
時系列データのトポロジ的記述を導入し、手ポーズ分類を強化する。
4ラベルの分類問題に対して,可利用データに制限のあるAC精度で頑健な結果が得られた。
論文 参考訳（メタデータ） (2021-10-09T22:04:43Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳（メタデータ） (2021-04-19T14:43:07Z) - Signal Processing and Machine Learning Techniques for Terahertz Sensing:
An Overview [89.09270073549182]
テラヘルツ(THz)信号生成と放射法は、無線システムの未来を形作っている。
THz 固有の信号処理技術は、THz 帯域の効率的な利用のために、この THz センシングへの関心を補う必要がある。
本稿では,信号前処理に着目した手法の概要を示す。
また,THz帯で有望な知覚能力を探索し,深層学習の有効性についても検討した。
論文 参考訳（メタデータ） (2021-04-09T01:38:34Z)
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。