論文の概要: Capability of using the normalizing flows for extraction rare gamma events in the TAIGA experiment
- arxiv url: http://arxiv.org/abs/2510.20334v1
- Date: Thu, 23 Oct 2025 08:33:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:17.621234
- Title: Capability of using the normalizing flows for extraction rare gamma events in the TAIGA experiment
- Title（参考訳）: TAIGA実験における正規化流を用いた希少ガンマイベント抽出の可能性
- Authors: A. P. Kryukov, A. Yu. Razumov, A. P. Demichev, J. J. Dubenskaya, E. O. Gres, S. P. Polyakov, E. B. Postnikov, P. A. Volchugov, D. P. Zhurov,
- Abstract要約: その結果,提案手法はガンマ検出の可能性を秘めていることがわかった。
得られた定量的性能指標は他の手法よりも劣っているため,提案手法の実装を改善する方法が提案されている。
- 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: The objective of this work is to develop a method for detecting rare gamma quanta against the background of charged particles in the fluxes from sources in the Universe with the help of the deep learning and normalizing flows based method designed for anomaly detection. It is shown that the suggested method has a potential for the gamma detection. The method was tested on model data from the TAIGA-IACT experiment. The obtained quantitative performance indicators are still inferior to other approaches, and therefore possible ways to improve the implementation of the method are proposed.
- Abstract（参考訳）: 本研究の目的は、異常検出のために設計された深層学習と正規化フローに基づく手法を用いて、宇宙の源泉からのフラックス中の荷電粒子の背景に対して希少なガンマ量子を検出できる方法を開発することである。
その結果,提案手法はガンマ検出の可能性を秘めていることがわかった。
TAIGA-IACT実験のモデルデータを用いて実験を行った。
得られた定量的性能指標は他の手法よりも劣っているため,提案手法の実装を改善する方法が提案されている。
関連論文リスト
- Unsupervised Anomaly Detection Using Diffusion Trend Analysis for Display Inspection [48.19821513256158]
本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。
本稿では,劣化度に応じて再構成傾向の分析により異常を検出する手法を提案する。
論文 参考訳（メタデータ） (2024-07-12T01:50:07Z) - Improved off-policy training of diffusion samplers [93.66433483772055]
本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。
シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。
我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
論文 参考訳（メタデータ） (2024-02-07T18:51:49Z) - Score-based Source Separation with Applications to Digital Communication
Signals [72.6570125649502]
拡散モデルを用いた重畳音源の分離手法を提案する。
高周波(RF)システムへの応用によって、我々は、基礎となる離散的な性質を持つ情報源に興味を持っている。
提案手法は,最近提案されたスコア蒸留サンプリング方式のマルチソース拡張と見なすことができる。
論文 参考訳（メタデータ） (2023-06-26T04:12:40Z) - LEAN-DMKDE: Quantum Latent Density Estimation for Anomaly Detection [0.0]
この方法は、データの低次元表現を学習するためのオートエンコーダと密度推定モデルを組み合わせる。
本手法は, 推定密度に基づいて, 新しい試料の正規度を推定する。
実験結果から,本手法が他の最先端手法と同等あるいは同等に動作することを示す。
論文 参考訳（メタデータ） (2022-11-15T21:51:42Z) - Grassmann Manifold Flows for Stable Shape Generation [0.0]
グラスマン多様体上の分布を学習するための理論的基礎を確立するための新しいアプローチを提案する。
提案手法は, 外部変換の影響を効果的に排除することにより, より堅牢な生成を促進する。
提案手法は, ログ類似度やエビデンスの下限の観点から, 最先端の手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2022-11-05T13:13:32Z) - Deep Random Projection Outlyingness for Unsupervised Anomaly Detection [1.2249546377051437]
元のランダムプロジェクションアウトライジングネス尺度をニューラルネットワークに修正して関連付け、教師なし異常検出方法を得る。
提案したニューラルネットワークアプローチの性能は、最先端の異常検出手法に匹敵する。
論文 参考訳（メタデータ） (2021-06-08T14:13:43Z) - A Transfer Learning Framework for Anomaly Detection Using Model of
Normality [2.9685635948299995]
畳み込みニューラルネットワーク(CNN)技術は、画像ベースの異常検出アプリケーションにおいて非常に有用であることが証明されている。
モデル・オブ・ノーマル性(MoN)を用いた類似度尺度に基づく異常検出のための伝達学習フレームワークを提案する。
提案したしきい値設定により,大幅な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-11-12T05:26:32Z)
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。