卷积图网络的分区池化在粒子物理学中的应用

卷积图网络的分区池化在粒子物理学中的应用

卷积网络粒子物理学中用于有效的事件建构和分类.然而,如果应用于传感器层面的数据,它们的性能会受到现代粒子探测器中使用的大量传感器的限制。.我们提出了一种池化方案,使用分区来创建图上的池化核,类似于图像上的池化。.分区池可以用来采用成功的图像识别架构,用于粒子物理学中的图神经网络应用.减少的计算资源允许更深入的网络和更广泛的超参数优化。.为了显示其适用性,我们构建了一个具有分区池的演化图网络,为一个理想化的中微子探测器重建了模拟的交互顶点。.与没有集合的类似网络相比,集合网络产生了更好的性能,并且更不容易出现过拟合。.较低的资源要求允许构建一个更深的网络,并进一步提高性能。.

《Partition Pooling for Convolutional Graph Network Applications in Particle Physics》

论文地址:http://arxiv.org/abs/2208.05952v1

郑重声明:本文内容及图片均整理自互联网,不代表本站立场,版权归原作者所有,如有侵权请联系管理员(admin#wlmqw.com)删除。
(0)
用户投稿
上一篇 2022年8月18日
下一篇 2022年8月18日

相关推荐

联系我们

联系邮箱:admin#wlmqw.com
工作时间:周一至周五,10:30-18:30,节假日休息