研究用于成像大气切伦科夫望远镜事件重建的六角晶格深度卷积神经网络
天体物理仪器与方法
2019-12-23 v1
摘要
深度卷积神经网络（DCN）是一种用于重建成像大气切伦科夫望远镜（IACT）所记录事件的有前景的机器学习技术，但需优化以达到最佳性能。最紧迫的挑战之一是处理由光电倍增管六角晶格构成的相机所捕获的原始图像，这是 IACT 相机中常见的布局，其在拓扑上不同于 DCN 模型作为输入数据所常规期望的正方形晶格。应对该挑战的策略包括通过过采样或插值将六角晶格转换为正方形晶格，以及实现六角卷积核。在本工作中，我们使用在模拟 IACT 数据上训练的深度卷积神经网络模型，对其中若干策略进行比较。
引用
@article{arxiv.1912.09898,
title = {Studying deep convolutional neural networks with hexagonal lattices for imaging atmospheric Cherenkov telescope event reconstruction},
author = {D. Nieto and A. Brill and Q. Feng and M. Jacquemont and B. Kim and T. Miener and T. Vuillaume},
journal= {arXiv preprint arXiv:1912.09898},
year = {2019}
}
备注
8 pages, 3 figures, Proceedings of the ICRC 2019 PoS(ICRC2019)753