Differences

This shows you the differences between two versions of the page.

--- ml4gamma:wdocs:main [09/07/2025 13:58] – [Благодарности] admin
+++ ml4gamma:wdocs:main [26/02/2026 09:11] (current) – [Нормализующие потоки] demichev
@@ Line 11: / Line 11: @@
   * [[:ml4gamma:wdocs:data_format_hiscore|Формат данных TAIGA-HiSCORE (после моделирования триггера)]]
   * [[:ml4gamma:wdocs:data_mc_stats|Статистика моделирования]]
+===== Анализ изображений IACT =====
+==== Параметры Хилласа ====
+  * {{ :ml4gamma:wdocs:2210.03771v1-gamma-hadron_separation.pdf |Jashwanth S, Sudeep Ghosh, Kavitha Yogaraj, Neha Shah, and Ankhi Roy. "G AMMA - HADRON S EPARATION IN I MAGING ATMOSPHERIC C HERENKOV T ELESCOPES USING Q UANTUM C LASSIFIERS"}}. ArXiv:2210.03771
+  * {{ :ml4gamma:wdocs:описание_параметров_хилласа.pdf |Описание параметров Хилласа}} (Е.Гресь)
+  * Вычисление {{ :ml4gamma:wdocs:iact_image_hp_calc.py.zip |параметров Хилласа для IACT}} (Е.Гресь)
+===== Multimodal =====
+  * {{ :ml4gamma:wdocs:jacquemont_visapp21_multitask.pdf |Multi-Task Architecture with Attention for Imaging
+Atmospheric Cherenkov Telescope Data Analysis}}
+  * {{ :ml4gamma:wdocs:adass2021-multitasks.pdf |Single Imaging Atmospheric Cherenkov Telescope Full-Event
+Reconstruction with a Deep Multi-Task Learning Architecture}}
+  * {{ :ml4gamma:wdocs:mmml-tutorial-acl2017.pdf |Tutorial on Multimodal Machine Learning}}
 ===== Нормализующие потоки =====
@@ Line 17: / Line 34: @@
   * {{ :ml4gamma:wdocs:nf_pres-2.pdf|Нормализующие потоки. Часть 2: Детектирование аномальных и редких явлений.}}
   * См. также {{ :ml4gamma:wdocs:understandingdeeplearning_08_28_24_c.pdf |Understanding Deep Learning}}
+  * {{ ::ml4gamma:wdocs:inn_inverseproblem.pdf |Inverse Problems with Invertible Neural Networks}}
+  * {{ :ml4gamma:meetings:imagedenoising.pdf |Disentangling Noise from Images: A Flow-Based Image Denoising Neural Network}}
+  * {{ ::ml4gamma:wdocs:freia.pdf |FrEIA: Framework for Easily Invertible Architectures}}
 ===== Domain Adaptation =====
   * {{ :ml4gamma:wdocs:domainadaptation.pdf |Краткое содержание статьи: Ya.Ganin & V.Lempitsky Unsupervised Domain Adaptation by Backpropagation (arXiv:1409.7495), 2015 }}
-  * {{ :ml4gamma:wdocs:domainadaptation-demichev.pdf |Презентация}} А.Демичева, 18.05.2025
+  * [[https://habr.com/ru/companies/vk/articles/426803/|Обзор основных методов Deep Domain Adaptation (Часть 1)]]
+  * [[https://openaccess.thecvf.com/content_CVPR_2019/papers/You_Universal_Domain_Adaptation_CVPR_2019_paper.pdf|Universal Domain Adaptation]] (PDF)
 ===== Стерео режим и мультимодальные данные =====
@@ Line 47: / Line 69: @@
 <code>
-Исследование выполнено в рамках государственного задания Московского государственного
+Исследование выполнено в рамках государственного задания Московского
-университета имени М.В. Ломоносова с использованием оборудования, предоставленного по
+государственного университета имени М.В. Ломоносова с использованием
-Программе развития МГУ, и данных, полученных на уникальной эксперментальной установке ТАЙГА.
+оборудования, предоставленного по Программе развития МГУ, и данных,
+полученных на уникальной эксперментальной установке ТАЙГА.
-Исследование выполнено за счет средств гранта Российского научного фонда № 24-11-00136,
+Исследование выполнено за счет средств гранта Российского научного
-https://rscf.ru/project/24-11-00136/
+фонда № 24-11-00136, https://rscf.ru/project/24-11-00136/
 -------------
-The study was conducted under the state assignment of Lomonosov Moscow State University
+The study was conducted under the state assignment of Lomonosov Moscow
-using equipment provided under the MSU Development Program and data obtained on the
+State University using equipment provided under the MSU Development
-unique experimental setup TAIGA.
+Program and data obtained on the unique experimental setup TAIGA.
-The study was carried out at the expense of the grant of the Russian Science Foundation
+The study was carried out at the expense of the grant of the Russian
-No. 24-11-00136, https://rscf.ru/project/24-11-00136/»
+Science Foundation No. 24-11-00136, https://rscf.ru/project/24-11-00136/
 </code>