大気Cherenkov望遠鏡データの畳込みニューラルネットワークベース解析における系統的不確実性の調査【JST・京大機械翻訳】

Parsons R. D.; Mitchell A. M. W.; Ohm S.

プレプリント

J-GLOBAL ID：202202211233325088 整理番号：22P0301965

大気Cherenkov望遠鏡データの畳込みニューラルネットワークベース解析における系統的不確実性の調査【JST・京大機械翻訳】

Investigations of the Systematic Uncertainties in Convolutional Neural Network Based Analysis of Atmospheric Cherenkov Telescope Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月10日プレプリントサーバーでの情報更新日： 2022年03月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

畳み込みとリカレントニューラルネットワークの利用による機械学習は,大気Cherenkov望遠鏡のイメージングにおけるバックグラウンド排除性能の改善のための有望な道筋である。しかし,その性能は,広範囲の観測条件と機器状態に対して安定のままであるという科学解析にとって極めて重要である。著者らは,Cherenkov望遠鏡アレイのトイモンテカルロシミュレーションにおけるバックグラウンド拒絶にそれらを適用することにより畳み込みリカレントネットワークの安定性を調べた。次に,シミュレーションにおける一連の観察と機器パラメータを変化させた。一般に,得られた系統の大部分は,従来の分析よりそれほど大きくない。しかし,カメラ内の雑音レベルに対するニューラルネットワーク予測の強い依存性が見出され,非常に雑音の多い環境におけるγ線受容速度において最大50%の差が見られた。これらの観察効果は,Cherenkov望遠鏡観測におけるバックグラウンド拒絶のためのそのようなネットワークを用いるとき,最終解析の訓練段階で考慮されなければならないというこれらの研究に見られる性能差から明らかである。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

宇宙線・天体物理観測技術

, , , , , ,

前のページに戻る