Доменная адаптация нейронных сетей для решения проблемы зависимости от генератора данных в задаче оценки прицельного параметра

Аннотации

Аннотация

Рассматривается задача оценки прицельного параметра столкновений тяжелых ионов по смоделированным данным МКП-детекторов, разрабатываемых для будущих экспериментов NICA. Ранее показано, что нейросети могут точно  восстанавливать прицельный параметр, но их точность сильно зависит от выбора генератора событий. Мы сравнили несколько подходов: метод главных компонент, автоэнкодеры и наивное обучение на смешанных наборах не дали универсальных признаков. Затем применили методы доменной адаптации, включая состязательные и глубокие реконструкционные сети (DRNN). DRNN обеспечили наилучший результат, снизив зависимость от генератора при сохранении чувствительности к прицельному параметру, особенно для центральных столкновений. Это может открыть путь к созданию обобщенных алгоритмов с надежной работой с будущими экспериментальными данными.