文献

J-GLOBAL ID：201702240073111888   整理番号：17A0214077

ディープニューラルネットワークを用いたDaya湾ニュートリノ実験からの基本的物理学を明らかにする【Powered by NICT】

Revealing Fundamental Physics from the Daya Bay Neutrino Experiment Using Deep Neural Networks

著者 (8件)： Racah Evan ,  Ko Seyoon ,  Sadowski Peter ,  Bhimji Wahid ,  Tull Craig ,  Oh Sang-Yun ,  Baldi Pierre ,  Prabhat
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICMLA  ページ： 892-897  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 素粒子物理学における実験を解析し,解釈物理学者のチームによるなければならないデータの膨大な量を生成した。この解析はしばしば探索,科学者は実験を行う前に信号の可能なタイプを列挙することができない。,要約,クラスタリング,高次元データの可視化と分類のためのツールが不可欠である。本研究では,意味のある物理的内容は,生データを変換深層ニューラルネットワークを用いて学習高レベル表現ににより明らかにされた,事例研究としてDaya湾ニュートリノ実験で測定できることを示した。畳込み深層ニューラルネットワークは異なるクラス物理事象の97%以上の精度で効果的な分類フィルタを提供し,他の機械学習のアプローチよりもかなりよいことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 事例研究 ,  クラスタ化 ,  深層 ,  畳込み ,  *ニューラルネットワーク ,  フィルタ ,  可視化 ,  学習 ,  科学者 ,  機械学習 ,  *ニュートリノ
準シソーラス用語： 高次元データ ,  素粒子物理学 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ディープニューラルネットワーク ,  Daya湾 ,  ニュートリノ ,  実験 ,  物理学