THEORY2

— Alexander Kryukov 20/02/2025 18:20

Некоторые предварительные разъяснения.

• Я предлагаю использовать в качестве разметки изображений на пером этапе параметры Хилласа, т.к.
  1. они просто считаются;
  2. являются интегральными характеристиками и более устойчивы к шумам.
• Использовать MTL подход, когда первый этап обработки один для всех задач, а вычисления конкретных параметров ШАЛ делается отдельными НС, которые, как правило, FC.

Рассмотрим следующую схему на примере определения энергии первичной частицы ШАЛ в АЧТ.

1. Обучение “AE”

Изображение (img), например МК, поступает на НС - энкодер, который переводит изображение в вектор скрытого поространства (z). Этот вектор, с помощью вспомогательной НС преобразуется в набор параметров Хилласа (h')

С другой стороны, то же самое изображение используется для получения параметров Хилласа (h) некоторой внешней программой. Используя полученные параметры Хилласа h как разметку для z мы обучаем автоэнкодер (энкодер+вспомогательная сеть), отображающий img–>z–>h' при помощи функции потерь Loss(h,h').

2. Определение энергии первичной частицы

В ектор скрытого пространства z поступает на вход НС-регрессора, отображающей его в значение энергии: z–>e'. Используя мета информацию разметки МК изображений, а именно значение истинной энергии (e), обучаем регрессор с помощью функции потерь Loss(e,e').

Примечание. Аналогично поступаем с другими параметрами ШАЛ, такими как точка прихода и т.п., добавляя новые блоки преобразования векторов скрытого пространства на нужные величины. При этом переобучения AE не требуется. То есть используетм MTL подход.