論文の概要: Selection of gamma events from IACT images with deep learning methods

• arxiv url: http://arxiv.org/abs/2401.16981v1
• Date: Tue, 30 Jan 2024 13:07:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 15:06:53.980359
• Title: Selection of gamma events from IACT images with deep learning methods
• Title（参考訳）: 深層学習法を用いたIACT画像からのガンマ事象の選択
• Authors: E. O. Gres, A. P. Kryukov, A. P. Demichev, J. J. Dubenskaya, S. P. Polyakov, A. A. Vlaskina, D. P. Zhurov
• Abstract要約: 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。
• 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: Imaging Atmospheric Cherenkov Telescopes (IACTs) of gamma ray observatory TAIGA detect the Extesnive Air Showers (EASs) originating from the cosmic or gamma rays interactions with the atmosphere. Thereby, telescopes obtain images of the EASs. The ability to segregate gamma rays images from the hadronic cosmic ray background is one of the main features of this type of detectors. However, in actual IACT observations simultaneous observation of the background and the source of gamma ray is needed. This observation mode (called wobbling) modifies images of events, which affects the quality of selection by neural networks. Thus, in this work, the results of the application of neural networks (NN) for image classification task on Monte Carlo (MC) images of TAIGA-IACTs are presented. The wobbling mode is considered together with the image adaptation for adequate analysis by NNs. Simultaneously, we explore several neural network structures that classify events both directly from images or through Hillas parameters extracted from images. In addition, by employing NNs, MC simulation data are used to evaluate the quality of the segregation of rare gamma events with the account of all necessary image modifications.
• Abstract（参考訳）: ガンマ線観測所TAIGAの大気チェレンコフ望遠鏡(IACTs)は、宇宙線やガンマ線が大気と相互作用することに由来するエクステニブ・エア・ショウア(EASs)を検出する。 これにより、望遠鏡はEASの画像を取得する。 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。 しかし、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。 そこで本研究では,TAIGA-IACTのモンテカルロ(MC)画像における画像分類タスクに対するニューラルネットワーク(NN)の適用結果について述べる。 編み込みモードは, 画像適応と合わせて, NNによる適切な解析を行う。 同時に,画像から直接,あるいは画像から抽出したヒラスパラメータを通じてイベントを分類する,複数のニューラルネットワーク構造を探索する。 また、nnsを用いて、必要な画像修正を考慮し、希少なガンマ事象の分離の品質を評価するためにmcシミュレーションデータを用いる。

関連論文リスト

• Image Restoration with Point Spread Function Regularization and Active Learning [5.575847437953924]
  大規模な天文学的な調査では、銀河や星雲を含む多数の天体の画像を捉えることができる。 様々なノイズレベルと点拡散関数は、これらの画像から情報抽出の精度と効率を損なう。 深層学習に基づく復元アルゴリズムと高忠実度望遠鏡シミュレータを接続する新しい画像復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-31T23:16:26Z)
• Visualization for Multivariate Gaussian Anomaly Detection in Images [0.0]
  本稿では,画像中の異常検出のためのPaDiM(Pixel-Wise Anomaly Detection through Instance Modeling)法の簡易なバリエーションを提案する。 特徴ベクトルに白化変換を適用することで、このフレームワークの中間ステップを導入する。 その結果、視覚モデル検証の重要性が示され、そうでなければ見えない問題に対する洞察を提供することができた。
  論文  参考訳（メタデータ） (2023-07-12T10:12:57Z)
• 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)
• 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)
• Learning Hierarchical Graph Representation for Image Manipulation Detection [50.04902159383709]
  画像操作検出の目的は、画像内の操作された領域を特定し、特定することである。 最近のアプローチでは、画像に残っている改ざんするアーティファクトをキャプチャするために、洗練された畳み込みニューラルネットワーク(CNN)が採用されている。 本稿では2つの並列分岐からなる階層型グラフ畳み込みネットワーク(HGCN-Net)を提案する。
  論文  参考訳（メタデータ） (2022-01-15T01:54:25Z)
• 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)
• 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)
• Deep learning with photosensor timing information as a background rejection method for the Cherenkov Telescope Array [0.0]
  Atmospheric Cherenkov Telescopes (IACTs) の画像解析における新たな深層学習手法の提案 cnnは、チェレンコフシャワー画像に含まれる全情報を使用する直接イベント分類方法を提供することができる。
  論文  参考訳（メタデータ） (2021-03-10T13:54:43Z)
• Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
  本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。 レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。 実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
  論文  参考訳（メタデータ） (2020-09-30T19:01:33Z)

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。