Browsing by Author "Wolter, Marcin"

Now showing 1 - 5 of 5

Access status: Open Access ,
Machine learning based event reconstruction for the MUonE experiment
(Wydawnictwa AGH, 2024) Zdybał, Miłosz; Kucharczyk, Marcin; Wolter, Marcin
A proof-of-concept solution based on the machine learning techniques has been implemented and tested within the MUonE experiment designed to search for New Physics in the sector of anomalous magnetic moment of a muon. The results of the DNN based algorithm are comparable to the classical reconstruction, reducing enormously the execution time for the pattern recognition phase. The present implementation meets the conditions of classical reconstruction, providing an advantageous basis for further studies.
Access status: Open Access ,
Nowe metody wspomagania obserwacji hydrologicznych wykorzystujące bezzałogowe statki powietrzne i uczenie maszynowe
(Data obrony: 2025-04-25) Szostak, Radosław
Wydział Fizyki i Informatyki Stosowanej
Współczesne badania hydrologiczne stoją przed wyzwaniami klimatycznymi i technologicznymi. Celem pracy było opracowanie metod wspierających obserwacje hydrologiczne z wykorzystaniem BSP i uczenia maszynowego. Pierwsza metoda rozwiązuje problem zaburzeń w numerycznych modelach pokrycia terenu małych strumieni. Zastosowano splotową sieć neuronową do estymacji poziomu wody na podstawie danych fotogrametrycznych. Przetestowano dwa warianty: prosty model z enkoderem i bardziej zaawansowaną metodę wykorzystującą maskę wag. Drugi wariant poprawił dokładność i wyjaśnialność modelu, redukując RMSE nawet o 62% względem tradycyjnych metod. Rozwiązanie osiągnęło wyniki porównywalne z technologią radarową. Druga metoda minimalizuje błędy pomiaru temperatury kamer termowizyjnych na BSP. Opracowano algorytm korekcji obejmujący usuwanie winietowania, georeferencjonowanie i optymalizację spójności temperatury. Testy wykazały redukcję RMSE o 39% i MAI o 40.5%. Algorytm działa automatycznie, nie wymagając kalibracji ani ingerencji operatora. Trzecia metoda adaptuje algorytm PT-JPL, pierwotnie stosowany w misji ECOS TRESS, do obliczeń ewapotranspiracji na podstawie danych BSP. Porównanie wyników z metodą kowariancji wirów wykazało wysoką zgodność, co potwierdziło możliwość zastosowania PT-JPL w pomiarach BSP.
Access status: Open Access ,
Optimization of tau indentification in ATLAS experiment using multivariate tools
(Wydawnictwa AGH, 2008) Janyst, Łukasz; Kaczmarska, Anna Ewa; Szymocha, Tadeusz; Wolter, Marcin; Zemła, Andrzej
Elementary particle physics experiments, which search for very rare processes, require the efficient analysis and selection algorithms able to separate a signal from the overwhelming background. Four learning machine algorithms have been applied to identify ? leptons in the ATLAS experiment: projective likelihood estimator (LL), Probability Density Estimator with Range Searches (PDE-RS), Neural Network, and the Support Vector Machine (SVM). All four methods have similar performance, which is significantly better than the baseline cut analysis. This indicates that the achieved background rejection is close to the maximal achievable performance.
Access status: Open Access ,
Track finding with Deep Neural Networks
(Wydawnictwa AGH, 2019) Kucharczyk, Marcin; Wolter, Marcin
High energy physics experiments require fast and efficient methods for reconstructing the tracks of charged particles. The commonly used algorithms are sequential and the required CPU power increases rapidly with the number of tracks. Neural networks can speed up the process due to their capability of modeling complex non-linear data dependencies and finding all tracks in parallel. In this paper, we describe the application of the deep neural network for reconstructing straight tracks in a toy two-dimensional model. It is planned to apply this method to the experimental data obtained by the MUonE experiment at CERN.
Access status: Restricted ,
Wykorzystanie algorytmów uczenia maszynowego w celu rozpoznawania nastroju muzyki
(Data obrony: 2016-01-28) Pęksa, Paweł
Wydział Fizyki i Informatyki Stosowanej