hep-ex」カテゴリーアーカイブ

Fine-tuning machine-learned particle-flow reconstruction for new detector geometries in future colliders

要約 We demonstrate transfer learning capa … 続きを読む

カテゴリー: cs.LG, hep-ex, hep-ph, physics.data-an, physics.ins-det | コメントする

A Step Toward Interpretability: Smearing the Likelihood

要約 粒子物理学における機械学習アーキテクチャの解釈可能性の問題には、合意された … 続きを読む

カテゴリー: cs.LG, hep-ex, hep-ph, stat.ML | A Step Toward Interpretability: Smearing the Likelihood はコメントを受け付けていません

Communicating Likelihoods with Normalising Flows

要約 マシンラーニングベースのワークフローを提示して、そのサンプルから未使用の可 … 続きを読む

カテゴリー: cs.LG, hep-ex, hep-ph, physics.data-an | Communicating Likelihoods with Normalising Flows はコメントを受け付けていません

Image and Point-cloud Classification for Jet Analysis in High-Energy Physics: A survey

要約 現在、機械学習(ML)と専門分野であるディープラーニング(DL)を組み込む … 続きを読む

カテゴリー: cs.CV, eess.IV, hep-ex, hep-ph | Image and Point-cloud Classification for Jet Analysis in High-Energy Physics: A survey はコメントを受け付けていません

Unsupervised Particle Tracking with Neuromorphic Computing

要約 スパイク時間依存の可塑性ルールを使用して、遅延とシナプス重みの監視されてい … 続きを読む

カテゴリー: cs.ET, cs.LG, cs.NE, hep-ex, I.2 | Unsupervised Particle Tracking with Neuromorphic Computing はコメントを受け付けていません

Particle Trajectory Representation Learning with Masked Point Modeling

要約 効果的な自己教師付き学習(SSL)技術は、表現学習のための大規模データセッ … 続きを読む

カテゴリー: cs.CV, cs.LG, hep-ex | Particle Trajectory Representation Learning with Masked Point Modeling はコメントを受け付けていません

DLScanner: A parameter space scanner package assisted by deep learning methods

要約 このペーパーでは、深層学習 (DL) 技術によって強化されたスキャナー パ … 続きを読む

カテゴリー: cs.CV, hep-ex, hep-ph, hep-th | DLScanner: A parameter space scanner package assisted by deep learning methods はコメントを受け付けていません

FAIR Universe HiggsML Uncertainty Challenge Competition

要約 FAIR Universe — HiggsML Uncerta … 続きを読む

カテゴリー: cs.LG, hep-ex, hep-ph, physics.data-an | FAIR Universe HiggsML Uncertainty Challenge Competition はコメントを受け付けていません

Physics Instrument Design with Reinforcement Learning

要約 勾配ベースの機器最適化手法の代替として、物理機器の設計に強化学習 (RL) … 続きを読む

カテゴリー: cs.AI, hep-ex, physics.ins-det | Physics Instrument Design with Reinforcement Learning はコメントを受け付けていません

Loss function to optimise signal significance in particle physics

要約 素粒子物理学で使用される有意性メトリックを直接最適化するために、代理損失を … 続きを読む

カテゴリー: cs.LG, hep-ex, hep-ph | Loss function to optimise signal significance in particle physics はコメントを受け付けていません