抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
著者らは,多数のハードサブジェット(N=8まで)を有するジェットの極端な状況において,理論的に動機付けられた高レベルジェット観測の有効性を研究した。以前の研究は,高レベル観測が,N≦3ハードサブジェットのジェット下部構造を探索するための強力で解釈可能なツールであるが,低レベルジェット構成で訓練された深いニューラルネットワークは,その性能を一致またはわずかに超えることを示した。深層粒子流ネットワーク(PFNs)と変換器ベースのネットワークを用いて,N=8ハードサブジェットまでこの仕事を拡張し,分類性能に関する緩い上限を推定した。高レベルジェット観測可能,135Nサブジェット観測可能,およびジェット質量の標準セットで動作する完全接続ニューラルネットワークは,86.90%の分類精度に達するが,PFNと変換機モデルは,それぞれ89.19%と91.27%の分類精度に達し,それは,構成ネットワークが,高レベル観測のセットによって捕捉されない情報を利用することを示唆する。次に,このギャップを狭めることができる付加的高レベル観測性を同定し,特徴選択のためにLASSO正則化を利用して,最も関連する観測を同定,ランク付けし,構成ベースニューラルネットワークにより使用される学習戦略への更なる洞察を提供する。最終モデルは,31の高レベル観測者のみを含み,PFNの性能に整合し,変圧器モデルの性能を2%以内で近似できる。【JST・京大機械翻訳】