論文の概要: Deep learning methods for gamma event selection in TAIGA-IACT image analysis in stereo-mode

• arxiv url: http://arxiv.org/abs/2610.16269v1
• Date: Mon, 12 Oct 2026 06:48:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:47:01.421581
• Title: Deep learning methods for gamma event selection in TAIGA-IACT image analysis in stereo-mode
• Title（参考訳）: ステレオモードにおけるTAIGA-IACT画像解析におけるガンマ事象選択の深層学習法
• Abstract要約: 天体物理学複合体TAIGAには4つの画像型大気圧チェレンコフ望遠鏡(IACT)がある。 本稿では,共同TAIGA-IACT画像解析におけるガンマ事象選択のためのニューラルネットワーク手法を提案する。
• 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: In astrophysical complex TAIGA there are four Imaging Atmospheric Cherenkov telescopes (IACTs), located at a distance of 300-500 m from each other, due to which extensive air showers (EAS) generated by cosmic and gamma radiation are recorded by a single telescope or by multiple telescopes simultaneously (stereo-mode). The analysis of EAS images from two or more Cherenkov telescopes together is of particular interest, since for this approach the reconstruction of physical parameters of the primary gamma ray is much more accurate than in mono-observations. However, the gamma-ray event reconstruction strongly depends on the quality of the hadron background suppression of the classifier, therefore, the gamma event selection stage is one of the important ones in the further analysis of IACT data. We propose and study several neural network methods for gamma event selection in joint TAIGA-IACT image analysis. Neural network methods we suggested involves a single-stage analysis of IACT images from two telescopes, while the second method considers the formation of autoencoder-derived essential features that contain the EAS physical parameters, including the type of primary particle.
• Abstract（参考訳）: 天体物理学複合体 TAIGA には、4つのイメージング大気圧チェレンコフ望遠鏡(IACT)があり、宇宙線とガンマ線によって発生する広範囲の大気シャワー(EAS)は1つの望遠鏡または複数の望遠鏡によって同時に記録される(ステレオモード)。 2つ以上のチェレンコフ望遠鏡からのEAS画像の解析は、このアプローチにおいて、一次ガンマ線の物理パラメータの再構成は単オブザーバよりもはるかに正確であるため、特に興味深い。 しかし、ガンマ線イベント再構成は、分類器のハドロン背景抑制の品質に強く依存するため、IACTデータのさらなる分析において、ガンマ線イベント選択段階が重要である。 本稿では,共同TAIGA-IACT画像解析におけるガンマ事象選択のためのニューラルネットワーク手法を提案する。 提案するニューラルネットワーク手法は、2つの望遠鏡からのIACT画像の一段階解析を伴い、第2の方法は、一次粒子の種類を含むESA物理パラメータを含む自己エンコーダ由来の必須特徴の形成を考察する。

関連論文リスト

• Material Identification using Multi-Modal Intrinsic Radiation and Radiography [2.3326636172299375]
  本研究では,Belyllium Reflected Plutonium sphere (BeRP) 球を,未知組成の1つか2つの同心シールドシェルに囲まれていると考えている。 高純度ゲルマニウム(HPGe)スペクトルは、選択したPu-239光ピークにおいてネット数に還元される。 中性子多重度情報は、中性子カウント統計の因子モーメントから計算されたファインマン分散Y2,Y3によって要約される。
  論文  参考訳（メタデータ） (2026-03-27T23:04:31Z)
• Deep learning for exoplanet detection and characterization by direct imaging at high contrast [26.359902459074856]
  高コントラストで多変量画像系列を劣化させるニュアンス成分のマルチスケール統計モデルを提案する。 VLT/SPHERE計のデータに応用すると、検出感度とアストロメトリおよび光度推定の精度が大幅に向上する。
  論文  参考訳（メタデータ） (2025-09-24T16:43:28Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Selection of gamma events from IACT images with deep learning methods [0.0]
  ガンマ線観測衛星TAIGAの大気チェレンコフ望遠鏡(IACT)によるエキシビティブ・エア・ショウア(EAS)の検出 ハドロン宇宙線背景からガンマ線画像を分離する能力は、この種の検出器の主な特徴の1つである。 実際のIACT観測では、背景とガンマ線源の同時観測が必要である。 この観察モード(ウォブリングと呼ばれる)は、ニューラルネットワークによる選択の質に影響を与えるイベントの画像を変更する。
  論文  参考訳（メタデータ） (2024-01-30T13:07:24Z)
• 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)
• Processing Images from Multiple IACTs in the TAIGA Experiment with Convolutional Neural Networks [62.997667081978825]
  我々は、畳み込みニューラルネットワーク(CNN)を用いて、TAIGA実験からモンテカルロシミュレーション画像を分析する。 この分析は、ガンマ線によるシャワーに対応する画像の選択と、ガンマ線のエネルギーを推定することを含む。
  論文  参考訳（メタデータ） (2021-12-31T10:49:11Z)
• 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)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。