Application of Convolutional Neural Networks in Neutrino Physics

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00335963" target="_blank" >RIV/68407700:21340/19:00335963 - isvavai.cz</a>

Výsledek na webu

<a href="http://gams.fjfi.cvut.cz/spms2019" target="_blank" >http://gams.fjfi.cvut.cz/spms2019</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Application of Convolutional Neural Networks in Neutrino Physics

Popis výsledku v původním jazyce

The application of deep learning methods has in past years enabled new discoveries in many fields of study and neutrino physics is no exception. As a deep learning algorithm, convolutional neural networks (CNNs) show outstanding results in the domain of computer vision. Thus, they are being used as a particle classifier using visual image data reconstructed from various neutrino experiments. In this paper, we present a study of concepts of artificial neural networks (ANNs) as well as CNNs. Furthermore, we present the classification results of Monte Carlo simulated images from neutrino experiment DUNE.

Název v anglickém jazyce

Application of Convolutional Neural Networks in Neutrino Physics

Popis výsledku anglicky

The application of deep learning methods has in past years enabled new discoveries in many fields of study and neutrino physics is no exception. As a deep learning algorithm, convolutional neural networks (CNNs) show outstanding results in the domain of computer vision. Thus, they are being used as a particle classifier using visual image data reconstructed from various neutrino experiments. In this paper, we present a study of concepts of artificial neural networks (ANNs) as well as CNNs. Furthermore, we present the classification results of Monte Carlo simulated images from neutrino experiment DUNE.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of SPMS 2019 - Stochastic and Physical Monitoring Systems

ISBN

978-80-01-06659-1

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

85-91

Název nakladatele

Česká technika - nakladatelství ČVUT

Místo vydání

Praha

Místo konání akce

Dobřichovice

Datum konání akce

20. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—