論文の概要: Evaluation of EAS directions based on TAIGA HiSCORE data using fully connected neural networks

• arxiv url: http://arxiv.org/abs/2502.13851v1
• Date: Wed, 19 Feb 2025 16:12:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 13:58:36.103411
• Title: Evaluation of EAS directions based on TAIGA HiSCORE data using fully connected neural networks
• Title（参考訳）: 完全連結ニューラルネットワークを用いたTAIGA HiSCOREデータに基づくEAS方向の評価
• Authors: A. P. Kryukov, S. P. Polyakov, Yu. Yu. Dubenskaya, E. O. Gres, E. B. Postnikov, P. A. Volchugov, D. P. Zhurov,
• Abstract要約: 我々は,モンテカルロシミュレーションによるTAIGA HiSCOREデータをガンマ量子としてトレーニングした人工ニューラルネットワークを用いて,シャワー方向推定を行う。 最終推定値の平均誤差は0.25度未満である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The direction of extensive air showers can be used to determine the source of gamma quanta and plays an important role in estimating the energy of the primary particle. The data from an array of non-imaging Cherenkov detector stations HiSCORE in the TAIGA experiment registering the number of photoelectrons and detection time can be used to estimate the shower direction with high accuracy. In this work, we use artificial neural networks trained on Monte Carlo-simulated TAIGA HiSCORE data for gamma quanta to obtain shower direction estimates. The neural networks are multilayer perceptrons with skip connections using partial data from several HiSCORE stations as inputs; composite estimates are derived from multiple individual estimates by the neural networks. We apply a two-stage algorithm in which the direction estimates obtained in the first stage are used to transform the input data and refine the estimates. The mean error of the final estimates is less than 0.25 degrees. The approach will be used for multimodal analysis of the data from several types of detectors used in the TAIGA experiment.
• Abstract（参考訳）: 広い空気シャワーの方向はガンマ量子の源を決定するのに使われ、一次粒子のエネルギーを推定する上で重要な役割を果たす。 光電子数と検出時間を登録するTAIGA実験において、非撮像チェレンコフ検出器HiSCOREのアレイから得られたデータを用いて、シャワー方向を高精度に推定することができる。 本研究では,モンテカルロシミュレーションによるTAIGA HiSCOREデータに基づく人工ニューラルネットワークを用いてガンマ量子化を行い,シャワー方向推定を行う。 ニューラルネットワークは、複数のHiSCOREステーションの部分データを入力として、スキップ接続を持つ多層パーセプトロンであり、複合推定はニューラルネットワークによって複数の個人推定から導かれる。 本稿では,第1段階で得られた方向推定を用いて入力データを変換し,推定を洗練する2段階のアルゴリズムを適用した。 最終推定値の平均誤差は0.25度未満である。 このアプローチは、TAIGA実験で使用されるいくつかのタイプの検出器からのデータのマルチモーダル解析に使用される。

関連論文リスト

• Trade-Offs of Diagonal Fisher Information Matrix Estimators [53.35448232352667]
  Fisher情報行列は、ニューラルネットワークのパラメータ空間の局所幾何学を特徴付けるのに使うことができる。 精度とサンプルの複雑さが関連する分散に依存する2つの人気推定器について検討する。 分散のバウンダリを導出し、回帰と分類のためにニューラルネットワークでそれらをインスタンス化する。
  論文  参考訳（メタデータ） (2024-02-08T03:29:10Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Using deep neural networks to improve the precision of fast-sampled particle timing detectors [0.0]
  粒子タイミング検出器の測定は、通過する粒子によって堆積された電荷の統計的変動によって生じる時間歩行効果に影響されることが多い。 定数分数判別器(CFD)アルゴリズムは、テスト設定と実行実験の両方において、この効果を緩和するために頻繁に使用される。 我々は、DESY-IIシンクロトロンの試験ビーム施設で取得したデータを用いて、様々なニューラルネットワークアーキテクチャを評価した。 我々は,検出器の読み出しチャネルに応じて,タイミング精度を8%から23%改善した。
  論文  参考訳（メタデータ） (2023-12-10T13:22:46Z)
• Assessing Neural Network Representations During Training Using Noise-Resilient Diffusion Spectral Entropy [55.014926694758195]
  ニューラルネットワークにおけるエントロピーと相互情報は、学習プロセスに関する豊富な情報を提供する。 データ幾何を利用して基礎となる多様体にアクセスし、これらの情報理論測度を確実に計算する。 本研究は,高次元シミュレーションデータにおける固有次元と関係強度の耐雑音性の測定結果である。
  論文  参考訳（メタデータ） (2023-12-04T01:32:42Z)
• Machine learning and atomic layer deposition: predicting saturation times from reactor growth profiles using artificial neural networks [0.0]
  反応器の異なる地点で測定された線量時間と厚さ値に基づいて飽和時間を予測するためにニューラルネットワークを訓練するために設計されたデータセットを提案する。 その結果、トレーニングされたニューラルネットワークは、表面運動学に関する事前情報を必要とすることなく、飽和時間を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-05-10T23:18:22Z)
• Transformers Can Do Bayesian Inference [56.99390658880008]
  我々はPFN(Presideed Data Fitted Networks)を提案する。 PFNは、大規模機械学習技術におけるインコンテキスト学習を活用して、大規模な後部集合を近似する。 我々は、PFNがガウス過程をほぼ完璧に模倣し、難解問題に対する効率的なベイズ推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2021-12-20T13:07:39Z)
• 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)
• Assessments of model-form uncertainty using Gaussian stochastic weight averaging for fluid-flow regression [0.0]
  我々は,ニューラルネットワークに基づく関数近似に関連したモデル形状の不確実性を評価するために,ガウス量平均化(SWAG)を用いた。 SWAGは、各重量の後方ガウス分布、与えられたトレーニングデータ、一定の学習率を近似する。 本稿では,2種類のニューラルネットワークに適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-09-16T23:13:26Z)
• Multi-fidelity Bayesian Neural Networks: Algorithms and Applications [0.0]
  本稿では,可変忠実度の雑音データを用いて訓練できるベイズ型ニューラルネットワーク(BNN)を提案する。 関数近似の学習や、偏微分方程式(PDE)に基づく逆問題の解法に応用する。
  論文  参考訳（メタデータ） (2020-12-19T02:03:53Z)
• Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
  我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。 データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
  論文  参考訳（メタデータ） (2020-11-23T20:59:51Z)
• Complete parameter inference for GW150914 using deep learning [0.0]
  LIGOとVirgoの重力波観測所は過去5年間に多くのエキサイティングな出来事を観測してきた。 検出速度は検出器感度とともに増加するため、データ解析において計算上の課題が増大する。 本研究では,重力波に対する高速確率自由ベイズ推定にディープラーニング手法を適用した。
  論文  参考訳（メタデータ） (2020-08-07T18:00:02Z)

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。