- -

Background rejection in NEXT using deep neural networks

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

Background rejection in NEXT using deep neural networks

Mostrar el registro completo del ítem

Esteve Bosch, R.; Herrero Bosch, V.; Mora Mas, FJ.; Rodriguez-Samaniego, J.; Toledo Alarcón, JF. (2017). Background rejection in NEXT using deep neural networks. Journal of Instrumentation. 12. doi:10.1088/1748-0221/12/01/T01004.

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/81409

Ficheros en el ítem

Metadatos del ítem

Título: Background rejection in NEXT using deep neural networks
Autor:
Entidad UPV: Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials
Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació
Universitat Politècnica de València. Escuela Politécnica Superior de Gandia - Escola Politècnica Superior de Gandia
Fecha difusión:
Resumen:
We investigate the potential of using deep learning techniques to reject background events in searches for neutrinoless double beta decay with high pressure xenon time projection chambers capable of detailed track ...[+]
Palabras clave: Analysis and statistical methods , Double-beta decay detectors , Time projection chambers , cluster finding , Pattern recognition , calibration and fitting methods
Derechos de uso: Embargado
Fuente:
Journal of Instrumentation. (issn: 1748-0221 )
DOI: 10.1088/1748-0221/12/01/T01004
Editorial:
IOP Publishing
Versión del editor: http://dx.doi.org/10.1088/1748-0221/12/01/T01004
Código del Proyecto: info:eu-repo/grantAgreement/EC/FP7/339787/EU
Patrocinador:
European Research Council (ERC) 339787-NEXT
Ministerio de Economia y Competitividad of Spain CSD2008-0037 FIS2014-53371-C04 SEV-2014-0398
FEDER CSD2008-0037 FIS2014-53371-C04 SEV-2014-0398
GVA PROMETEO/2016/120
United States Department of Energy DE-AC02-07CH11359
Fulbright Junior Research Award
Tipo: Artículo

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem