Deep learning based track reconstruction on CEPC luminometer
Deep learning based track reconstruction on CEPC luminometer
复制标题
基于深度学习的CEPC光度计轨迹重建
DOI：
10.1016/j.nima.2019.03.034
复制
发表时间：
2018-12
期刊：
影响因子：
--
通讯作者：
Kai Zhu
中科院分区：
文献类型：
--
作者：
Liu Yang;Hao Cai;Kai Zhu
研究了CEPC光度计的径迹重建算法。在现有的几何设计条件下，传统的航迹重建方法在航迹落入瓦片间隙区域时存在能量泄漏问题。为了解决这个问题，研究了一种基于深度神经网络的新的重建方法，并且重建效率以及能量和方向分辨率都得到了显着提高。这种新的重建方法被提出来取代传统的CEPC光度计。
We study the track reconstruction algorithms of the CEPC luminometer. Depend on the current geometry design, the conventional track reconstruction method is applied, but it suffers the energy leakage problem when tracks falling into the tile gaps regions. To solve this problem, a novel reconstruction method based on deep neural networks has been investigated, and the reconstruction efficiency has been improved significantly, as well as the energy and direction resolutions. This new reconstruction method is proposed to replace the conventional one for the CEPC luminometer.
登录
查看更多内容
影响因子：
1.3
作者：
Aurisano, A.;Radovic, A.;Vahle, P.
通讯作者：
Vahle, P.
DOI：
10.4018/978-1-7998-1192-3.ch008
发表时间：
2020
期刊：
Advances in Systems Analysis, Software Engineering, and High Performance Computing
影响因子：
--
作者：
Menaga D.;R. S.
通讯作者：
Menaga D.;R. S.
DOI：
10.4018/978-1-5225-9096-5.ch007
发表时间：
2021-07
期刊：
Smart Computational Intelligence in Biomedical and Health Informatics
影响因子：
--
作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi
通讯作者：
A. Sinha;S. Gupta;Anurag Tiwari;Amrita Chaturvedi
DOI：
10.4018/978-1-5225-7862-8.ch007
发表时间：
2019
期刊：
Handbook of Research on Deep Learning Innovations and Trends
影响因子：
--
作者：
K. Lakhtaria;Darshankumar Modi
通讯作者：
K. Lakhtaria;Darshankumar Modi
DOI：
10.1007/978-3-319-97436-1_3
发表时间：
2018-08
期刊：
Artificial Intelligence for Business
影响因子：
--
作者：
R. Akerkar
通讯作者：
R. Akerkar