文献

J-GLOBAL ID：202202248408534207   整理番号：22A0467736

高エネルギー物理事象分類器のサンプルバイアスを低減するための敵対領域適応【JST・京大機械翻訳】

Adversarial domain adaptation to reduce sample bias of a high energy physics event classifier

著者 (5件)： Clavijo J M (Deutsches Elektronen-Synchrotron DESY Notkestrasse 85, 22607 Hamburg, Germany) ,  Glaysher P (Deutsches Elektronen-Synchrotron DESY Notkestrasse 85, 22607 Hamburg, Germany) ,  Jitsev J (Juelich Supercomputing Center (JSC), Institute for Advanced Simulation (IAS), Research Center Juelich (FZJ), Wilhelm-Johnen-Str., 52425 Juelich, Germany) ,  Jitsev J (Helmholtz AI, Research Center Juelich (FZJ), 52425 Juelich, Germany) ,  Katzy J M (Deutsches Elektronen-Synchrotron DESY Notkestrasse 85, 22607 Hamburg, Germany)
資料名： Machine Learning: Science and Technology  (Machine Learning: Science and Technology)
巻： 3  号： 1  ページ： 015014 (12pp)  発行年： 2022年 
JST資料番号： W6456A  ISSN： 2632-2153  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 教師つき高エネルギー物理事象分類器訓練におけるサンプルバイアスを低減するために教師なし設定における敵対的ドメイン適応を適用した。1つの手で信号対バックグラウンドイベント分類を同時に可能にするために勾配反転層を持つイベントとドメイン分類器を含むニューラルネットワークを利用し,他方では,敵対的ドメイン分類損失による異なるモンテカルロモデルから生じるバックグラウンドサンプルに対するネットワークの応答の差を最小化する。信号対バックグラウンド分類による大型ハドロンコライダでの模擬事象の例について,成功したバイアス除去を示し,この方法の意味と限界を議論した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  *ネットワーク ,  ニューラルネットワーク ,  バイアス ,  反転層
準シソーラス用語： 高エネルギー ,  LHC【加速器】 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  データ保護  (JD01020V)

タイトルに関連する用語 (8件)： 高エネルギー ,  物理 ,  事象 ,  分類器 ,  サンプル ,  バイアス ,  敵対 ,  適応