論文の概要: Machine Learning in Gamma Astronomy

• arxiv url: http://arxiv.org/abs/2501.19064v1
• Date: Fri, 31 Jan 2025 11:52:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-03 13:57:49.952153
• Title: Machine Learning in Gamma Astronomy
• Title（参考訳）: ガンマ天文学における機械学習
• Authors: A. P. Kryukov, A. P. Demichev, V. A. Ilyin,
• Abstract要約: 本研究の目的は,大気圧チェレンコフ望遠鏡を用いて得られた天体粒子データを解析するための最も一般的な深層学習手法を概説することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The purpose of this paper is to review the most popular deep learning methods used to analyze astroparticle data obtained with Imaging Atmospheric Cherenkov Telescopes and provide references to the original papers.
• Abstract（参考訳）: 本研究の目的は,大気圧チェレンコフ望遠鏡で得られた天体粒子データを解析するための最も一般的な深層学習手法を概説し,原論文を参照することである。

関連論文リスト

• Analysis of Fluorescence Telescope Data Using Machine Learning Methods [0.0]
  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。
  論文  参考訳（メタデータ） (2025-01-04T15:20:09Z)
• Constructing Impactful Machine Learning Research for Astronomy: Best Practices for Researchers and Reviewers [0.0]
  機械学習は、天文学のコミュニティにとって、急速に選択のツールになりつつある。 本稿では、機械学習モデルの実装方法と結果の報告方法について、天文学コミュニティにプライマーを提供する。
  論文  参考訳（メタデータ） (2023-10-19T07:04:36Z)
• A Heat Diffusion Perspective on Geodesic Preserving Dimensionality Reduction [66.21060114843202]
  熱測地線埋め込みと呼ばれるより一般的な熱カーネルベースの多様体埋め込み法を提案する。 その結果,本手法は,地中真理多様体距離の保存において,既存の技術よりも優れていることがわかった。 また,連続体とクラスタ構造を併用した単一セルRNAシークエンシングデータセットに本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-30T13:58:50Z)
• Radio astronomical images object detection and segmentation: A benchmark on deep learning methods [5.058069142315917]
  本研究では,電波干渉計による天体画像に適用した,最も肯定的な深層学習手法の性能について検討し,自動音源検出の課題を解決する。 目標は、予測性能と計算効率の観点から既存の技術の概要を、彼らの研究に機械学習を使いたいと考える天体物理学コミュニティの科学者に提供することである。
  論文  参考訳（メタデータ） (2023-03-08T10:55:24Z)
• GyroFlow+: Gyroscope-Guided Unsupervised Deep Homography and Optical Flow Learning [43.87584329959394]
  既存のホモグラフィーと光学フロー法は、挑戦的なシーンでは誤っている。 我々はジャイロスコープをホモグラフィと光フロー学習に融合させる教師なし学習手法を提案する。 本手法は,レギュラーシーンと挑戦シーンの両方において最先端の手法より優れる。
  論文  参考訳（メタデータ） (2023-01-23T13:44:15Z)
• 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)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• 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)
• 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)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Self-supervised Learning for Astronomical Image Classification [1.2891210250935146]
  天文学では、毎日大量の画像データが測光サーベイによって生成される。 本稿では,未ラベルの天体画像から深部畳み込みニューラルネットワークを学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-04-23T17:32:19Z)

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。