Use of Machine Learning for gamma/hadron separation with HAWC
Autor
Capistrán, T.; Fan, K.L.; Linnemann, J.T.; Torres, I.; Saz Parkinson, P.M.; Yu, P.L.H.; Abeysekara, A.U.; Albert, A.; Alfaro, R.J.; Alvarez, C.; Álvarez Romero, J.d.D.; Angeles Camacho, J.R.; Arteaga Velazquez, J.C.; Kollamparambil, A.B.; Avila Rojas, D.O.; Ayala Solares, H.A.; Babu, R.; Baghmanyan, V.; Barber, A.S.; Becerra Gonzalez, J.; Belmont-Moreno, E.; BenZvi, S.; Berley, D.; Brisbois, C.; Caballero Mora, K.S.; Carramiñana, A.; Casanova, S.; Chaparro-Amaro, O.; Cotti, U.; Cotzomi, J.; Coutiño de León, S.; de la Fuente, E.; de León, C.L.; Diaz, L.; Diaz Hernandez, R.; Díaz Vélez, J.C.; Dingus, B.; Durocher, M.; DuVernois, M.; Ellsworth, R.; Engel, K.; Espinoza Hernández, M.C.; Fang, K.; Fernandez Alonso, M.; Fick, B.; Fleischhack, H.; Flores, J.L.; Fraija, N.I.; Garcia Aguilar, D.; Garcia-Gonzalez, J.A.; García-Luna, J.L.; García-Torales, G.; Garfias, F.; Giacinti, G.; Goksu, H.; González, M.M.; Goodman, J.A.; Harding, J.P.; Hernández Cadena, S.; Herzog, I.; Hinton, J.; Hona, B.; Huang, D.; Hueyotl-Zahuantitla, F.; Hui, M.; Humensky, B.; Hüntemeyer, P.; Iriarte, A.; Jardin-Blicq, A.; Jhee, H.; Joshi, V.; Kieda, D.; Kunde, G.J.; Kunwar, S.; Lara, A.; Lee, J.; Lee, W.H.; Lennarz, D.; Leon Vargas, H.; Longinotti, A.L.; Lopez-Coto, R.; Luis-Raya, G.; Lundeen, J.; Malone, K.; Marandon, V.; Martinez, O.M.; Martinez Castellanos, I.; Martínez Huerta, H.; Martínez-Castro, J.; Matthews, J.; McEnery, J.; Miranda-Romagnoli, P.; Morales Soto, J.A.; Moreno Barbosa, E.; Mostafa, M.; Nayerhoda, A.; Nellen, L.; Newbold, M.; Nisa, M.U.; Noriega-Papaqui, R.; Olivera-Nieto, L.; Omodei, N.; Peisker, A.; Pérez Araujo, Y.; Pérez Pérez, E.G.; Rho, C.D.; Rivière, C.; Rosa-Gonzalez, D.; Ruiz-Velasco, E.; Ryan, J.; Salazar, H.I.; Salesa Greus, F.; Sandoval, A.; Schneider, M.; Schoorlemmer, H.; Serna-Franco, J.; Sinnis, G.; Smith, A.J.; Springer, W.R.; Surajbali, P.; Taboada, I.; Tanner, M.; Tollefson, K.; Torres Escobedo, R.; Turner, R.M.; Urena Mena, F.J.; Villaseñor, L.; Wang, X.; Watson, I.J.; Weisgarber, T.; Werner, F.; Willox, E.J.; Wood, J.; Yodh, G.; Zepeda, A.; Zhou, H.xmlui.dri2xhtml.METS-1.0.item-url:
https://doi.org/10.22323/1.395.0745Fecha:
2021-07-23Descripción:
Artículo académico que explora técnicas de aprendizaje automático (árboles de decisión potenciados y redes neuronales) para identificar las partículas primarias detectadas por HAWC. Las nuevas técnicas de separación gamma/hadrones se probaron con datos de la nebulosa del Cangrejo, la referencia estándar en astronomía de muy altas energías, y mostraron una mejora en comparación con el método estándar de rechazo de partículas de fondo de HAWC.
Ficheros en el ítem
| Ficheros | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay ficheros asociados a este ítem. |
|||
COMPARTE
BÚSQUEDA
Escriba el texto a buscar en DSpace
CONTACTO
El Repositorio Universitario de la DGTIC se edita en la Dirección General de Cómputo y
de Tecnologías de Información y Comunicación (DGTIC), de la Universidad Nacional Autónoma de México (UNAM)
Circuito Exterior s/n, Ciudad Universitaria, Coyoacán, C.P. 04510, México, D.F
Tel: +(52) (55) 56228166 Email: rutic@unam.mx








¿Qué es un repositorio...?
¿Qué beneficios obtengo...?
¿Qué tipo de recursos...?
Preguntas frecuentes