論文の概要: Comparative study of machine learning and statistical methods for automatic identification and quantification in γ-ray spectrometry

• arxiv url: http://arxiv.org/abs/2508.08306v1
• Date: Fri, 08 Aug 2025 03:26:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.154439
• Title: Comparative study of machine learning and statistical methods for automatic identification and quantification in γ-ray spectrometry
• Title（参考訳）: γ線スペクトロメトリにおける自動同定と定量化のための機械学習と統計的手法の比較研究
• Authors: Dinh Triem Phan, Jérôme Bobin, Cheick Thiam, Christophe Bobin,
• Abstract要約: 種々のガンマスペクトル設定のシミュレーションデータセットを含むオープンソースベンチマークを提案する。 我々は、最先端のエンドツーエンド機械学習と、全スペクトルを用いた統計的アンミックスアプローチを比較した。 統計的アプローチは、すべての比較指標に対して、3つのシナリオすべてで機械学習アプローチを一貫して上回る。
• 参考スコア（独自算出の注目度）: 1.4999444543328293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: During the last decade, a large number of different numerical methods have been proposed to tackle the automatic identification and quantification in {\gamma}-ray spectrometry. However, the lack of common benchmarks, including datasets, code and comparison metrics, makes their evaluation and comparison hard. In that context, we propose an open-source benchmark that comprises simulated datasets of various {\gamma}-spectrometry settings, codes of different analysis approaches and evaluation metrics. This allows us to compare the state-of-the-art end-to-end machine learning with a statistical unmixing approach using the full spectrum. Three scenarios have been investigated: (1) spectral signatures are assumed to be known; (2) spectral signatures are deformed due to physical phenomena such as Compton scattering and attenuation; and (3) spectral signatures are shifted (e.g., due to temperature variation). A large dataset of 200000 simulated spectra containing nine radionuclides with an experimental natural background is used for each scenario with multiple radionuclides present in the spectrum. Regarding identification performance, the statistical approach consistently outperforms the machine learning approaches across all three scenarios for all comparison metrics. However, the performance of the statistical approach can be significantly impacted when spectral signatures are not modeled correctly. Consequently, the full-spectrum statistical approach is most effective with known or well-modeled spectral signatures, while end-to-end machine learning is a good alternative when measurement conditions are uncertain for radionuclide identification. Concerning the quantification task, the statistical approach provides accurate estimates of radionuclide counting, while the machine learning methods deliver less satisfactory results.
• Abstract（参考訳）: 過去10年間で、ガンマ線分析における自動同定と定量化に取り組むために、多くの異なる数値法が提案されている。 しかし、データセット、コード、比較指標を含む一般的なベンチマークがないため、評価と比較は困難である。 そこで我々は,様々なスペクトル設定,異なる分析手法のコード,評価指標のシミュレーションデータセットを含むオープンソースのベンチマークを提案する。 これにより、最先端のエンドツーエンド機械学習と、全スペクトルを用いた統計的アンミックスアプローチを比較することができる。 1)スペクトルシグネチャは既知のものと仮定され,(2)コンプトン散乱や減衰などの物理現象によりスペクトルシグネチャが変形し,(3)スペクトルシグネチャがシフトする(例:温度変化)。 実験的な自然背景を持つ9つの放射性核種を含む200000個のシミュレーションスペクトルの大規模なデータセットを、スペクトル中に複数の放射性核種が存在するシナリオ毎に使用する。 識別性能に関して、統計的アプローチは、すべての比較指標に対して、3つのシナリオすべてで機械学習アプローチを一貫して上回る。 しかし,スペクトルシグネチャが正しくモデル化されていない場合,統計的手法の性能に大きな影響を与える可能性がある。 その結果、全スペクトル統計手法は、既知のまたは十分にモデル化されたスペクトルシグネチャに対して最も効果的であり、一方、放射性核種同定のための測定条件が不確実である場合、エンドツーエンドの機械学習は良い代替手段となる。 定量化タスクに関して、統計学的手法は放射性核種カウントの正確な推定を提供するが、機械学習手法は満足度が低い。

関連論文リスト

• Stellar parameter prediction and spectral simulation using machine learning [0.0]
  本研究では,ESOの高精度放射速度惑星探索装置(HARPS)のデータ履歴全体に対して機械学習を適用した。 我々は、スペクトルパラメータを予測しスペクトルを生成するために、HARPSデータ上で標準および変分オートエンコーダを訓練した。 提案モデルでは, スペクトルパラメータの予測と実スペクトルの圧縮に優れ, 有効温度に対して約50Kの予測誤差を達成した。
  論文  参考訳（メタデータ） (2024-12-12T07:09:42Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Spectral Ranking Inferences based on General Multiway Comparisons [7.222667862159246]
  本研究では,2段階のスペクトル法により,最大近似エスタと同じバニラ効率が得られることを示す。 有効な2サンプルランク試験法が提案されたのはこれが初めてである。
  論文  参考訳（メタデータ） (2023-08-05T16:31:32Z)
• Understanding of the properties of neural network approaches for transient light curve approximations [37.91290708320157]
  本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。 テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
  論文  参考訳（メタデータ） (2022-09-15T18:00:08Z)
• Gaussian Process Regression for Absorption Spectra Analysis of Molecular Dimers [68.8204255655161]
  本稿では、ガウス過程回帰(GPR)から数値計算のパラメータを選択する機械学習技術に基づくアプローチについて議論する。 このアプローチは最適パラメータ集合に素早く収束するだけでなく、完全なパラメータ空間に関する情報を提供する。 実際、GPRは量子化学法を用いてこれらのパラメータの直接計算と一致した信頼性の高い結果を与える。
  論文  参考訳（メタデータ） (2021-12-14T17:46:45Z)
• A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
  信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。 多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
  論文  参考訳（メタデータ） (2021-03-31T18:28:14Z)
• Spectral Methods for Data Science: A Statistical Perspective [37.2486912080998]
  スペクトル法は、巨大でノイズの多い不完全なデータから情報を抽出するための単純で驚くほど効果的な手法として登場した。 この本は、現代の統計学的観点から、体系的で包括的でアクセスしやすいスペクトル法の導入を意図している。
  論文  参考訳（メタデータ） (2020-12-15T18:40:56Z)
• Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
  我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。 本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
  論文  参考訳（メタデータ） (2020-05-22T22:30:52Z)
• Machine learning for causal inference: on the use of cross-fit estimators [77.34726150561087]
  より優れた統計特性を得るために、二重ローバストなクロスフィット推定器が提案されている。 平均因果効果(ACE)に対する複数の推定器の性能評価のためのシミュレーション研究を行った。 機械学習で使用する場合、二重確率のクロスフィット推定器は、バイアス、分散、信頼区間のカバレッジで他のすべての推定器よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2020-04-21T23:09:55Z)

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。