Fugu-MT 論文翻訳(概要): Analysis of Fluorescence Telescope Data Using Machine Learning Methods

論文の概要: Analysis of Fluorescence Telescope Data Using Machine Learning Methods

arxiv url: http://arxiv.org/abs/2501.02311v1
Date: Sat, 04 Jan 2025 15:20:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-07 17:05:46.757821
Title: Analysis of Fluorescence Telescope Data Using Machine Learning Methods
Title（参考訳）: 機械学習を用いた蛍光望遠鏡データの解析
Authors: Mikhail Zotov, Pavel Zakharov,
Abstract要約: 我々は、小型地上望遠鏡のモデルデータを用いて、機械学習とニューラルネットワークのいくつかの手法を試し、そのデータ内の広範囲な大気シャワーの軌跡を認識する。また、この手法を他の蛍光望遠鏡に応用する機会についてコメントし、提案手法の性能改善の可能性について概説する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Fluorescence telescopes are among the key instruments used for studying ultra-high energy cosmic rays in all modern experiments. We use model data for a small ground-based telescope EUSO-TA to try some methods of machine learning and neural networks for recognizing tracks of extensive air showers in its data and for reconstruction of energy and arrival directions of primary particles. We also comment on the opportunities to use this approach for other fluorescence telescopes and outline possible ways of improving the performance of the suggested methods.
Abstract（参考訳）: 蛍光望遠鏡は、全ての近代的な実験で超高エネルギー宇宙線を研究するために使われる重要な機器の一つである。我々は、小型地上望遠鏡EUSO-TAのモデルデータを用いて、そのデータ中の広範囲のエアシャワーの軌跡を認識し、一次粒子のエネルギーと到着方向を復元するための機械学習とニューラルネットワークのいくつかの手法を試した。また、この手法を他の蛍光望遠鏡に応用する機会についてコメントし、提案手法の性能改善の可能性について概説する。

関連論文リスト

Mapping Galaxy Images Across Ultraviolet, Visible and Infrared Bands Using Generative Deep Learning [0.0]
生成的な深層学習は、紫外線、可視光、赤外光度帯域にわたる銀河の観測を変換することができる。我々は,帯域と外挿の両方が可能な教師付き画像・画像モデルを開発し,検証する。我々のモデルは,DECLSサーベイのデータを用いて実世界の観測を予測できる。
論文参考訳（メタデータ） (2025-01-25T09:13:21Z)
Learning Efficient Representations of Neutrino Telescope Events [0.0]
ニュートリノ望遠鏡は、宇宙で最も極端な環境で生成された粒子の希少な相互作用を検出する。その大きさと背景相互作用の頻度から、これらの望遠鏡は膨大な量の高次元データを蓄積する。本稿では, 変圧器を用いた変分オートエンコーダを用いてニュートリノ望遠鏡イベントを効率よく表現し, コンパクトかつ潜時表現を学習する, om2vecと呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2024-10-17T02:07:54Z)
Enhancing Events in Neutrino Telescopes through Deep Learning-Driven Super-Resolution [0.0]
本稿では,深層学習駆動によるデータイベントの超解像を用いて,検出器媒質を介して光子輸送を学習する手法を提案する。我々の戦略では、既存の検出器の幾何内に仮想'の光学モジュールを配置し、畳み込みニューラルネットワークをトレーニングし、これらの仮想光学モジュールのヒットを予測する。
論文参考訳（メタデータ） (2024-08-16T01:20:27Z)
Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
論文参考訳（メタデータ） (2024-03-22T17:11:47Z)
Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文参考訳（メタデータ） (2023-06-03T06:19:20Z)
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)
Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文参考訳（メタデータ） (2022-01-07T22:26:33Z)
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)
Application of neural networks to classification of data of the TUS orbital telescope [0.0]
我々は、TUS蛍光望遠鏡のデータ分類にニューラルネットワークを用いる。 TUSデータでは、光検出器の宇宙線照射によって発生するトラックライクフラッシュと、遠方の雷から発生するフラッシュの2種類の信号に焦点をあてる。
論文参考訳（メタデータ） (2021-06-07T06:31:56Z)
First Full-Event Reconstruction from Imaging Atmospheric Cherenkov Telescope Real Data with Deep Learning [55.41644538483948]
チェレンコフ望遠鏡アレイは、地上のガンマ線天文学の未来である。地上で作られた最初のプロトタイプ望遠鏡であるLarge Size Telescope 1は現在、最初の科学データを収集している。我々は、深層畳み込みニューラルネットワークに基づくフルイベント再構築の開発とその実データへの適用を初めて提示する。
論文参考訳（メタデータ） (2021-05-31T12:51:42Z)
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。