文献

J-GLOBAL ID：201802255622117682   整理番号：18A0157381

宇宙線空気シャワーの深い学習に基づく再構成【Powered by NICT】

A deep learning-based reconstruction of cosmic ray-induced air showers

著者 (3件)： Erdmann M. (Physics Institute 3A, RWTH Aachen University, Aachen D-52056, Germany) ,  Glombitza J. (Physics Institute 3A, RWTH Aachen University, Aachen D-52056, Germany) ,  Walz D. (Physics Institute 3A, RWTH Aachen University, Aachen D-52056, Germany)
資料名： Astroparticle Physics  (Astroparticle Physics)
巻： 97  ページ： 46-53  発行年： 2018年 
JST資料番号： W0658A  ISSN： 0927-6505  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習技術を用いた宇宙線によって誘起された空気シャワーを再構成する方法を記述した。は規則的な格子上の固定位置と地上粒子検出器の観測所をシミュレートした。横断シャワー粒子に対する検出器の応答は,時間の関数としての信号振幅,横及び縦シャワー特性に関する情報を提供する。局所パターン認識に特化した畳込みネットワーク技術の利点を利用するために,検出器の画像のようなグリッドにすべての情報を変換する。でこのようにして,一次粒子の到達時間と時間トレースの最適特性のような,複数の特徴はネットワークによって処理される。宇宙線到着方向の再構成品質は解析的再構成アルゴリズムと競合的であることが分かった。再構成シャワー方向,エネルギー及びシャワー深さはより高い宇宙線エネルギーの分解能で期待された改善を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 品質 ,  パターン認識 ,  検出器 ,  畳込み ,  *シャワー ,  *学習 ,  画像 ,  ネットワーク ,  *宇宙線 ,  *再構成 ,  *空気シャワー ,  分解能
準シソーラス用語： 再構成アルゴリズム ,  粒子検出器 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 宇宙線 ,  UHECR ,  空気シャワー ,  深い学習

分類 (2件)： 空気シャワー  (DB02070T) ,  宇宙線・天体物理観測技術  (DB01000N)

タイトルに関連する用語 (3件)： 宇宙線空気シャワー ,  学習 ,  再構成