Zobrazeno 1 - 9
of 9
pro vyhledávání: '"Kafkes, D."'
Autor:
Ćiprijanović, A., Kafkes, D., Perdue, G. N., Pedro, K., Snyder, G., Sánchez, F. J., Madireddy, S., Wild, S. M., Nord, B.
Deep learning models are being increasingly adopted in wide array of scientific domains, especially to handle high-dimensionality and volume of the scientific data. However, these models tend to be brittle due to their complexity and overparametrizat
Externí odkaz:
http://arxiv.org/abs/2111.00961
Autor:
Kafkes, D., Schram, M.
We describe the offline machine learning (ML) development for an effort to precisely regulate the Gradient Magnet Power Supply (GMPS) at the Fermilab Booster accelerator complex via a Field-Programmable Gate Array (FPGA). As part of this effort, we c
Externí odkaz:
http://arxiv.org/abs/2105.12847
Autor:
Ćiprijanović, A., Kafkes, D., Downey, K., Jenkins, S., Perdue, G. N., Madireddy, S., Johnston, T., Snyder, G. F., Nord, B.
Publikováno v:
MNRAS, Volume 506, Issue 1, September 2021, Page 677
In astronomy, neural networks are often trained on simulation data with the prospect of being used on telescope observations. Unfortunately, training a model on simulation data and then applying it to instrument data leads to a substantial and potent
Externí odkaz:
http://arxiv.org/abs/2103.01373
Autor:
Ćiprijanović, A., Kafkes, D., Jenkins, S., Downey, K., Perdue, G. N., Madireddy, S., Johnston, T., Nord, B.
In astronomy, neural networks are often trained on simulated data with the prospect of being applied to real observations. Unfortunately, simply training a deep neural network on images from one domain does not guarantee satisfactory performance on n
Externí odkaz:
http://arxiv.org/abs/2011.03591
Autor:
Tanoglidis, D., Ćiprijanović, A., Drlica-Wagner, A., Nord, B., Wang, M.H.L.S., Amsellem, A. Jacob, Downey, K., Jenkins, S., Kafkes, D., Zhang, Z.
Publikováno v:
In Astronomy and Computing April 2022 39
Autor:
��iprijanovi��, A., Kafkes, D., Jenkins, S., Downey, K., Perdue, G. N., Madireddy, S., Johnston, T., Nord, B.
In astronomy, neural networks are often trained on simulated data with the prospect of being applied to real observations. Unfortunately, simply training a deep neural network on images from one domain does not guarantee satisfactory performance on n
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::b3eb45f17f628c79cc03321a35a53708
http://arxiv.org/abs/2011.03591
http://arxiv.org/abs/2011.03591
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.