High Energy Physics - Experiment,Instrumentation and Methods for Astrophysics,Machine Learning,فیزیک انرژی بالا - آزمایش , ابزار دقیق و روشهای اخترفیزیک , یادگیری ماشین ,
توضیحات
Submitted 15 August, 2024; originally announced August 2024. , Comments: 5+1 pages, 4+1 figures
توضیحات به فارسی
ارسال شده در 15 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 5+1 صفحه ، 4+1 شکل
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Recent discoveries by neutrino telescopes, such as the IceCube Neutrino Observatory, relied extensively on machine learning (ML) tools to infer physical quantities from the raw photon hits detected. Neutrino telescope reconstruction algorithms are limited by the sparse sampling of photons by the optical modules due to the relatively large spacing ($10-100\,{\rm m})$ between them. In this letter, we propose a novel technique that learns photon transport through the detector medium through the use of deep learning-driven super-resolution of data events. These ``improved'' events can then be reconstructed using traditional or ML techniques, resulting in improved resolution. Our strategy arranges additional ``virtual'' optical modules within an existing detector geometry and trains a convolutional neural network to predict the hits on these virtual optical modules. We show that this technique improves the angular reconstruction of muons in a generic ice-based neutrino telescope. Our results readily extend to water-based neutrino telescopes and other event morphologies.
چکیده به فارسی (ترجمه ماشینی)
اکتشافات اخیر توسط تلسکوپ های نوترینو ، مانند رصدخانه ICECUBE نوترینو ، به ابزارهای یادگیری ماشینی (ML) متکی است تا مقادیر فیزیکی را از برخوردهای فوتون خام تشخیص داده شود.الگوریتم های بازسازی تلسکوپ نوترینو با نمونه گیری پراکنده فوتون ها توسط ماژول های نوری به دلیل فاصله نسبتاً بزرگ (10-100 دلار ، {\ rm m}) بین آنها محدود می شوند.در این نامه ، ما یک تکنیک جدید را پیشنهاد می کنیم که حمل و نقل فوتون را از طریق محیط آشکارساز با استفاده از فوق العاده با وضوح عمیق یادگیری از وقایع داده می آموزد.این رویدادهای "بهبود یافته" می توانند با استفاده از تکنیک های سنتی یا ML بازسازی شوند و در نتیجه وضوح بهبود یافته باشد.استراتژی ما ماژول های نوری "مجازی" اضافی را در یک هندسه آشکارساز موجود ترتیب می دهد و یک شبکه عصبی حلقوی را برای پیش بینی بازدیدها در این ماژول های نوری مجازی آموزش می دهد.ما نشان می دهیم که این تکنیک بازسازی زاویه ای MUON ها را در یک تلسکوپ نوترینو مبتنی بر یخ بهبود می بخشد.نتایج ما به راحتی در تلسکوپ های نوترینو مبتنی بر آب و سایر مورفولوژی های رویداد گسترش می یابد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
