Apr, 2016

卷积神经网络中微中子事件分类器

PDF
TL;DR本文描述了卷积神经网络（CNN）在粒子物理学领域的应用，尤其是在高能中微子物理学和高能物理学中通常使用的采样量热计中识别粒子相互作用问题上的应用，通过 CVN（卷积视觉网络）算法对中微子相互作用进行拓扑识别，不需要详细重建，优于目前 NOvA 协作组使用的算法。
发现论文，激发创造
  • 通过架构特征推断卷积神经网络的准确性

    本研究提出了一种有利于评估不同卷积神经网络体系结构的系统性语言，该语言能够在训练前进行比较，本研究使用该语言在两个具体的基于计算机视觉的物理问题上，解决了事件顶点查找和强子多重性分类问题，同时提取了优化网络架构中的几个架构属性，使用机器学习模型对其进行了预测。

    Jan, 2020

  • 芯片上的光学卷积神经网络

    本论文介绍了一种基于光子学电路的 CNN 数字处理体系结构，相较于当前电子学电路，本体系结构在每次推断中消耗的能量仅为其一部分。

    Aug, 2018

  • NuGraph2：中微子物理事件重建的图神经网络

    利用液体氩时间投影室（LArTPC）探测器技术进行粒子重建是本文描述的主要技术，使用了基于图神经网络（Graph Neural Network，GNN）的 NuGraph2 算法对模拟中微子相互作用进行低级重建，同时提供了高效的背景过滤和语义标记方法，旨在用于中微子物理学中的粒子重建。

    Mar, 2024

  • 量子卷积神经网络（QCNN）教程

    本研究探讨了在量子计算环境中使用多尺度纠缠重整化 ANSATZ 计算的量子卷积神经网络 (QCNN) 和将 QCNN 层添加到现有的 CNN 学习模型中以提高性能的方法，并通过与 TensorFlow Quantum 平台中使用的 MNIST 数据集的训练验证了 QCNN 模型的高效学习能力。

    Sep, 2020

  • 神经网络在 TUS 轨道望远镜数据分类中的应用

    采用神经网络对 TUS 荧光望远镜的数据进行分类，证明即使是简单的神经网络结合某些传统数据分析方法也可以在荧光望远镜的数据分类任务中具有高效性。

    Jun, 2021

  • 卷积神经网络简介

    本文简要介绍了卷积神经网络（CNN），讨论了最近发表的论文和开发这些出色的图像识别模型的新技术。CNN 主要用于解决难以处理的图像驱动的模式识别任务，并采用精确而简单的结构，为人工神经网络提供了一个简化方法。

    Nov, 2015

  • 基于对象场景卷积神经网络的图像事件识别

    本文提出一种基于深度神经网络的新型架构 OS-CNN，分解为物体和场景两个网络，分别从物体和场景的角度提取有用信息，设计了不同的网络架构，最终提出了一种 5 个流 CNN 的解决方案，在 ChaLearn Looking at People (LAP) challenge 2015 比赛中取得了 85.5% 的性能并排名第 1。

    May, 2015

  • CNNs 在时间序列一维辐射检测数据中的应用

    利用卷积神经网络 (CNN) 架构对时间序列伽马射线谱进行分类，以实现辐射检测系统对于安全或环境测量目的。瀑布图被解释为一幅单色图像，并采用标准基于图像的 CNN 技术，以发现数据中特征的时序方面。同时，将 CNN 架构和结果与传统技术进行比较，这样的图像处理技术的结果将被介绍，并与更传统的应适应方法进行比较。

    Aug, 2019

  • 深度学习应用于自然语言处理

    本文介绍了卷积神经网络（CNNs），其不同变体以及如何将其应用于自然语言处理（NLP）。

    Mar, 2017

  • 利用深度神经网络进行高能物理中的喷注细分分类

    本文使用深度神经网络进行图像分类，无需专家特征即可区分大型强子对撞机数据中的单一强子粒子喷注和多重粒子喷注，效果与现有分析方法相当或略优。

    Mar, 2016