Buchumschlag

Calibrating for the Future:Enhancing Calorimeter Longevity with Deep Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ali, S., Ryzhikov, A. S., Derkach, D. A., Ratnikov, F. D., Bocharnikov, V. O.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning to Hear Broken Motors: Signature-Guided Data Augmentation for Induction-Motor Diagnostics
von: Ali, Saraa, et al.
Veröffentlicht: (2025)

Intelligent Algorithms For Signature Diagnostics Of Three-Phase Motors
von: Svirin, Stepan, et al.
Veröffentlicht: (2024)

Optimisation of the Accelerator Control by Reinforcement Learning: A Simulation-Based Approach
von: Ibrahim, Anwar, et al.
Veröffentlicht: (2025)

RL-ABC: Reinforcement Learning for Accelerator Beamline Control
von: Ibrahim, Anwar, et al.
Veröffentlicht: (2026)

Approach to Finding a Robust Deep Learning Model
von: Boldyrev, Alexey, et al.
Veröffentlicht: (2025)

A Comparison of Deep Learning Models for Proton Background Rejection with the AMS Electromagnetic Calorimeter
von: Hashmani, Raheem Karim, et al.
Veröffentlicht: (2024)

Abstractive summarization from Audio Transcription
von: Derkach, Ilia
Veröffentlicht: (2024)

Ensemble Distributionally Robust Bayesian Optimisation
von: Ramazyan, Tigran, et al.
Veröffentlicht: (2026)

Data Quality Monitoring for the Hadron Calorimeters Using Transfer Learning for Anomaly Detection
von: Asres, Mulugeta Weldezgina, et al.
Veröffentlicht: (2024)

Deep Learning-Enhanced Calibration of the Heston Model: A Unified Framework
von: Zadgar, Arman, et al.
Veröffentlicht: (2025)

Efficiently Generating Multidimensional Calorimeter Data with Tensor Decomposition Parameterization
von: Goulart, Paimon, et al.
Veröffentlicht: (2025)

Inverse Autoregressive Flows for Zero Degree Calorimeter fast simulation
von: Majerz, Emilia, et al.
Veröffentlicht: (2025)

VOLTA: The Surprising Ineffectiveness of Auxiliary Losses for Calibrated Deep Learning
von: Ray, Rahul D, et al.
Veröffentlicht: (2026)

Calibrating LLMs with Information-Theoretic Evidential Deep Learning
von: Li, Yawei, et al.
Veröffentlicht: (2025)

Enhancing Deep Neural Network Reliability with Refinement and Calibration
von: Hebbalaguppe, Ramya, et al.
Veröffentlicht: (2026)

Online Neural Networks for Change-Point Detection
von: Hushchyn, Mikhail, et al.
Veröffentlicht: (2020)

A Multi-Layer Cloud-IDS Pipeline with LLM and Adaptive Q-Learning Calibration
von: Ali, Syed Waqas, et al.
Veröffentlicht: (2026)

Deep Generative Models for Proton Zero Degree Calorimeter Simulations in ALICE, CERN
von: Będkowski, Patryk, et al.
Veröffentlicht: (2024)

Deep Learning for Model Calibration in Simulation of Itaconic Acid Production
von: Fokina, Daria, et al.
Veröffentlicht: (2026)

Borrowing From the Future: Enhancing Early Risk Assessment through Contrastive Learning
von: Sun, Minghui, et al.
Veröffentlicht: (2025)

Even Faster Simulations with Flow Matching: A Study of Zero Degree Calorimeter Responses
von: Wojnar, Maksymilian
Veröffentlicht: (2025)

Calibration in Deep Learning: A Survey of the State-of-the-Art
von: Wang, Cheng
Veröffentlicht: (2023)

On Joint Regularization and Calibration in Deep Ensembles
von: Fredsgaard, Laurits, et al.
Veröffentlicht: (2025)

Robust Deep Network Learning of Nonlinear Regression Tasks by Parametric Leaky Exponential Linear Units (LELUs) and a Diffusion Metric
von: Bigarella, Enda D. V.
Veröffentlicht: (2025)

Calorimeter Shower Superresolution with Conditional Normalizing Flows: Implementation and Statistical Evaluation
von: Cosso, Andrea
Veröffentlicht: (2026)

Enhance GNNs with Reliable Confidence Estimation via Adversarial Calibration Learning
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Digital Twin Calibration with Model-Based Reinforcement Learning
von: Zheng, Hua, et al.
Veröffentlicht: (2025)

Neuromorphic Readout for Hadron Calorimeters
von: Lupi, Enrico, et al.
Veröffentlicht: (2025)

An Entropic Metric for Measuring Calibration of Machine Learning Models
von: Sumler, Daniel James, et al.
Veröffentlicht: (2025)

Density-Informed Pseudo-Counts for Calibrated Evidential Deep Learning
von: Carlotti, Pietro, et al.
Veröffentlicht: (2026)

Online Bayesian Imbalanced Learning with Bregman-Calibrated Deep Networks
von: Alsulaimawi, Zahir
Veröffentlicht: (2026)

Deep Ensemble Shape Calibration: Multi-Field Post-hoc Calibration in Online Advertising
von: Yang, Shuai, et al.
Veröffentlicht: (2024)

Contextual Gating within the Transformer Stack: Synergistic Feature Modulation for Enhanced Lyrical Classification and Calibration
von: Gameiro, M. A.
Veröffentlicht: (2025)

Concept-Driven Deep Learning for Enhanced Protein-Specific Molecular Generation
von: Kuang, Taojie, et al.
Veröffentlicht: (2025)

When Can We Reuse a Calibration Set for Multiple Conformal Predictions?
von: Balinsky, A. A., et al.
Veröffentlicht: (2025)

Deep Learning-based Analysis of Basins of Attraction
von: Valle, David, et al.
Veröffentlicht: (2023)

Calibration of Deep Learning Classification Models in fNIRS
von: Cao, Zhihao, et al.
Veröffentlicht: (2024)

Terrier: A Deep Learning Repeat Classifier
von: Turnbull, Robert, et al.
Veröffentlicht: (2025)

Spatio-Temporal Anomaly Detection with Graph Networks for Data Quality Monitoring of the Hadron Calorimeter
von: Asres, Mulugeta Weldezgina, et al.
Veröffentlicht: (2023)

Enhancing Performance and Calibration in Quantile Hyperparameter Optimization
von: Doyle, Riccardo
Veröffentlicht: (2025)