-
最近の投稿
- Computing High-dimensional Confidence Sets for Arbitrary Distributions
- Reservoir Computing: A New Paradigm for Neural Networks
- A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
- Solving the Paint Shop Problem with Flexible Management of Multi-Lane Buffers Using Reinforcement Learning and Action Masking
- MiLo: Efficient Quantized MoE Inference with Mixture of Low-Rank Compensators
-
最近のコメント
表示できるコメントはありません。 cs.AI (36107) cs.CL (27319) cs.CR (2749) cs.CV (41949) cs.LG (41080) cs.RO (21304) cs.SY (3219) eess.IV (4921) eess.SY (3213) stat.ML (5380)
「hep-ex」カテゴリーアーカイブ
CaloQVAE : Simulating high-energy particle-calorimeter interactions using hybrid quantum-classical generative models
要約 大型ハドロン衝突型加速器の高光度時代には、衝突事象の解析において大きな計算 … 続きを読む
Training Deep 3D Convolutional Neural Networks to Extract BSM Physics Parameters Directly from HEP Data: a Proof-of-Concept Study Using Monte Carlo Simulations
要約 我々は、高エネルギー物理学 (HEP) フレーバー データから標準モデル … 続きを読む
Generalizing to new geometries with Geometry-Aware Autoregressive Models (GAAMs) for fast calorimeter simulation
要約 衝突生成物に対するシミュレートされた検出器応答の生成は、素粒子物理学におけ … 続きを読む
カテゴリー: cs.LG, hep-ex, hep-ph, physics.data-an, physics.ins-det
Generalizing to new geometries with Geometry-Aware Autoregressive Models (GAAMs) for fast calorimeter simulation はコメントを受け付けていません
Differentiable Earth Mover’s Distance for Data Compression at the High-Luminosity LHC
要約 Earth Mover’s distance (EMD) は画 … 続きを読む
カテゴリー: cs.LG, hep-ex, physics.ins-det
Differentiable Earth Mover’s Distance for Data Compression at the High-Luminosity LHC はコメントを受け付けていません
Fast 2D Bicephalous Convolutional Autoencoder for Compressing 3D Time Projection Chamber Data
要約 高エネルギー大型粒子衝突器は、核物理学では毎秒 1 テラバイト、高エネルギ … 続きを読む
Explainable Equivariant Neural Networks for Particle Physics: PELICAN
要約 PELICAN は、素粒子物理学の問題に適用されるアーキテクチャに見られる … 続きを読む
ELUQuant: Event-Level Uncertainty Quantification in Deep Inelastic Scattering
要約 物理現象イベントレベルでの詳細な不確実性定量化 (UQ) のために、乗法正 … 続きを読む
カテゴリー: cs.LG, hep-ex, nucl-ex, physics.data-an, stat.ML
ELUQuant: Event-Level Uncertainty Quantification in Deep Inelastic Scattering はコメントを受け付けていません
Unifying supervised learning and VAEs — coverage, systematics and goodness-of-fit in normalizing-flow based neural network models for astro-particle reconstructions
要約 宇宙素粒子物理学における事象特性のニューラルネットワークに基づく予測は、ま … 続きを読む
カテゴリー: astro-ph.HE, astro-ph.IM, cs.LG, hep-ex, stat.ML
Unifying supervised learning and VAEs — coverage, systematics and goodness-of-fit in normalizing-flow based neural network models for astro-particle reconstructions はコメントを受け付けていません
Conditional normalizing flows for IceCube event reconstruction
要約 IceCube ニュートリノ観測所は、南極の氷に配備された立方キロメー … 続きを読む
カテゴリー: astro-ph.HE, astro-ph.IM, cs.AI, hep-ex
Conditional normalizing flows for IceCube event reconstruction はコメントを受け付けていません
Improving Generative Model-based Unfolding with Schrödinger Bridges
要約 機械学習ベースの展開により、ビンなしの高次元微分断面測定が可能になりました … 続きを読む