Zobrazeno 1 - 10
of 12 729
pro vyhledávání: '"Togo A."'
Autor:
ICARUS Collaboration, Alrahman, F. Abd, Abratenko, P., Abrego-Martinez, N., Aduszkiewicz, A., Akbar, F., Soplin, L. Aliaga, Garrote, R. Alvarez, Pons, M. Artero, Asaadi, J., Badgett, W. F., Baibussinov, B., Behera, B., Bellini, V., Benocci, R., Berger, J., Berkman, S., Bertolucci, S., Betancourt, M., Bonesini, M., Boone, T., Bottino, B., Braggiotti, A., Brailsford, D., Brice, S. J., Brio, V., Brizzolari, C., Budd, H. S., Campani, A., Campos, A., Carber, D., Carneiro, M., Terrazas, I. Caro, Carranza, H., Fernandez, F. Castillo, Castro, A., Centro, S., Cerati, G., Chatterjee, A., Cherdack, D., Cherubini, S., Chitirasreemadam, N., Cicerchia, M., Coan, T. E., Cocco, A., Convery, M. R., Cooper-Troendle, L., Copello, S., Da Motta, H., Dallolio, M., Dange, A. A., de Roeck, A., Di Domizio, S., Di Noto, L., Di Stefano, C., Di Ferdinando, D., Diwan, M., Dolan, S., Domine, L., Donati, S., Drielsma, F., Dyer, J., Dytman, S., Falcone, A., Farnese, C., Fava, A., Ferrari, A., Gallice, N., Garcia, F. G., Gatto, C., Gibin, D., Gioiosa, A., Gu, W., Guglielmi, A., Gurung, G., Hassinin, K., Hausner, H., Heggestuen, A., Howard, B., Howell, R., Ingratta, I., James, C., Jang, W., Jung, M., Jwa, Y. -J., Kashur, L., Ketchum, W., Kim, J. S., Koh, D. -H., Larkin, J., Li, Y., Mariani, C., Marshall, C. M., Martynenko, S., Mauri, N., McFarland, K. S., Mé9ndez, D. P., Menegolli, A., Meng, G., Miranda, O. G., Mogan, A., Moggi, N., Montagna, E., Montanari, C., Montanari, A., Mooney, M., Moreno-Granados, G., Mueller, J., Murphy, M., Naples, D., Nguyen, V. C. L, Palestini, S., Pallavicini, M., Paolone, V., Papaleo, R., Pasqualini, L., Patrizii, L., Paudel, L., Pelegrina-Gutiérrez, L., Petrillo, G., Petta, C., Pia, V., Pietropaolo, F., Poppi, F., Pozzato, M., Putnam, G., Qian, X., Rappoldi, A., Raselli, G. L., Repetto, S., Resnati, F., Ricci, A. M., Riccobene, G., Richards, E., Rosenberg, M., Rossella, M., Rowe, N., Roy, P., Rubbia, C., Saad, M., Safa, I., Saha, S., Sala, P., Salmoria, G., Samanta, S., Sapienza, P., Scaramelli, A., Scarpelli, A., Schmitz, D., Schukraft, A., Senadheera, D., Seo, S-H., Sergiampietri, F., Sirri, G., Smedley, J. S., Smith, J., Stanco, L., Stewart, J., Tanaka, H. A., Tapia, F., Tenti, M., Terao, K., Terranova, F., Togo, V., Torretta, D., Torti, M., Tortorici, F., Triozzi, R., Tsai, Y. -T., Tufanli, S., Usher, T., Varanini, F., Ventura, S., Vicenzi, M., Vignoli, C., Viren, B., Wieler, F. A., Williams, Z., Wilson, R. J., Wilson, P., Wolfs, J., Wongjirad, T., Wood, A., Worcester, E., Worcester, M., Wospakrik, M., Yadav, S., Yu, H., Yu, J., Zani, A., Zennamo, J., Zettlemoyer, J., Zhang, C., Zucchelli, S.
We present a search for long-lived particles (LLPs) produced from kaon decay that decay to two muons inside the ICARUS neutrino detector. This channel would be a signal of hidden sector models that can address outstanding issues in particle physics s
Externí odkaz:
http://arxiv.org/abs/2411.02727
Conventional medical artificial intelligence (AI) models face barriers in clinical application and ethical issues owing to their inability to handle the privacy-sensitive characteristics of medical data. We present a novel personalized federated lear
Externí odkaz:
http://arxiv.org/abs/2410.17484
We propose a new strategy called think twice before recognizing to improve fine-grained traffic sign recognition (TSR). Fine-grained TSR in the wild is difficult due to the complex road conditions, and existing approaches particularly struggle with c
Externí odkaz:
http://arxiv.org/abs/2409.01534
We propose a novel symbolic music representation and Generative Adversarial Network (GAN) framework specially designed for symbolic multitrack music generation. The main theme of symbolic music generation primarily encompasses the preprocessing of mu
Externí odkaz:
http://arxiv.org/abs/2409.00919
This paper presents our method for the generative track of The First Dataset Distillation Challenge at ECCV 2024. Since the diffusion model has become the mainstay of generative models because of its high-quality generative effects, we focus on disti
Externí odkaz:
http://arxiv.org/abs/2408.08610
Autor:
ICARUS collaboration, Abratenko, P., Abrego-Martinez, N., Aduszkiewic, A., Akbar, F., Soplin, L. Aliaga, Pons, M. Artero, Asaadi, J., Badgett, W. F., Baibussinov, B., Behera, B., Bellini, V., Benocci, R., Berger, J., Berkman, S., Bertolucci, S., Betancourt, M., Bonesini, M., Boone, T., Bottino, B., Braggiotti, A., Brailsford, D., Brice, S. J., Brio, V., Brizzolari, C., Budd, H. S., Campani, A., Campos, A., Carber, D., Carneiro, M., Terrazas, I. Caro, Carranza, H., Fernandez, F. Castillo, Castro, A., Centro, S., Cerati, G., Chatterjee, A., Cherdack, D., Cherubini, S., Chitirasreemadam, N., Cicerchia, M., Coan, T. E., Cocco, A., Convery, M. R., Cooper-Troendle, L., Copello, S., Dange, A. A., de Roeck, A., Di Domizio, S., Di Noto, L., Di Stefano, C., Di Ferdinando, D., Diwan, M., Dolan, S., Domine, L., Donati, S., Drielsma, F., Dyer, J., Dytman, S., Falcone, A., Farnese, C., Fava, A., Ferrari, A., Gallice, N., Garcia, F. G., Gatto, C., Gibin, D., Gioiosa, A., Gu, W., Guglielmi, A., Gurung, G., Hausner, H., Heggestuen, A., Howard, B., Howell, R., Ingratta, I., James, C., Jang, W., Jwa, Y. -J., Kashur, L., Ketchum, W., Kim, J. S., Koh, D. -H., Larkin, J., Li, Y., Mariani, C., Marshall, C. M., Martynenko, S., Mauri, N., McFarland, K. S., Méndez, D. P., Menegolli, A., Meng, G., Miranda, O. G., Mogan, A., Moggi, N., Montagna, E., Montanari, C., Montanari, A., Mooney, M., Moreno-Granados, G., Mueller, J., Murphy, M., Naples, D., Nguyen, V. C. L., Palestini, S., Pallavicini, M., Paolone, V., Papaleo, R., Pasqualini, L., Patrizii, L., Paudel, L., Petrillo, G., Petta, C., Pia, V., Pietropaolo, F., Poppi, F., Pozzato, M., Putnam, G., Qian, X., Rappoldi, A., Raselli, G. L., Repetto, S., Resnati, F., Ricci, A. M., Riccobene, G., Richards, E., Rosenberg, M., Rossella, M., Roy, P., Rubbia, C., Saad, M., Saha, S., Sala, P., Samanta, S., Sapienza, P., Scaramelli, A., Scarpelli, A., Schmitz, D., Schukraft, A., Senadheera, D., Seo, S-H., Sergiampietri, F., Sirri, G., Smedley, J. S., Smith, J., Stanco, L., Stewart, J., Tanaka, H. A., Tapia, F., Tenti, M., Terao, K., Terranova, F., Togo, V., Torretta, D., Torti, M., Tortorici, F., Triozzi, R., Tsai, Y. -T., Tufanli, S., Usher, T., Varanini, F., Ventura, S., Vicenzi, M., Vignoli, C., Viren, B., Williams, Z., Wilson, R. J., Wilson, P., Wolfs, J., Wongjirad, T., Wood, A., Worcester, E., Wospakrik, M., Yu, H., Yu, J., Zani, A., Zennamo, J., Zettlemoyer, J., Zhang, C., Zucchelli, S.
This paper reports on a measurement of electron-ion recombination in liquid argon in the ICARUS liquid argon time projection chamber (LArTPC). A clear dependence of recombination on the angle of the ionizing particle track relative to the drift elect
Externí odkaz:
http://arxiv.org/abs/2407.12969
Autor:
ICARUS collaboration, Abratenko, P., Abrego-Martinez, N., Aduszkiewic, A., Akbar, F., Soplin, L. Aliaga, Pons, M. Artero, Asaadi, J., Badgett, W. F., Baibussinov, B., Behera, B., Bellini, V., Benocci, R., Berger, J., Berkman, S., Bertolucci, S., Betancourt, M., Bonesini, M., Boone, T., Bottino, B., Braggiotti, A., Brailsford, D., Brice, S. J., Brio, V., Brizzolari, C., Budd, H. S., Campani, A., Campos, A., Carber, D., Carneiro, M., Terrazas, I. Caro, Carranza, H., Fernandez, F. Castillo, Castro, A., Centro, S., Cerati, G., Chatterjee, A., Cherdack, D., Cherubini, S., Chitirasreemadam, N., Cicerchia, M., Coan, T. E., Cocco, A., Convery, M. R., Cooper-Troendle, L., Copello, S., Dange, A. A., de Roeck, A., Di Domizio, S., Di Noto, L., Di Stefano, C., Di Ferdinando, D., Diwan, M., Dolan, S., Domine, L., Donati, S., Drielsma, F., Dyer, J., Dytman, S., Falcone, A., Farnese, C., Fava, A., Ferrari, A., Gallice, N., Garcia, F. G., Gatto, C., Gibin, D., Gioiosa, A., Gu, W., Guglielmi, A., Gurung, G., Hausner, H., Heggestuen, A., Howard, B., Howell, R., Ingratta, I., James, C., Jang, W., Jwa, Y. -J., Kashur, L., Ketchum, W., Kim, J. S., Koh, D. -H., Larkin, J., Li, Y., Mariani, C., Marshall, C. M., Martynenko, S., Mauri, N., McFarland, K. S., Méndez, D. P., Menegolli, A., Meng, G., Miranda, O. G., Mogan, A., Moggi, N., Montagna, E., Montanari, C., Montanari, A., Mooney, M., Moreno-Granados, G., Mueller, J., Murphy, M., Naples, D., Nguyen, V. C. L., Palestini, S., Pallavicini, M., Paolone, V., Papaleo, R., Pasqualini, L., Patrizii, L., Paudel, L., Petrillo, G., Petta, C., Pia, V., Pietropaolo, F., Poppi, F., Pozzato, M., Putnam, G., Qian, X., Rappoldi, A., Raselli, G. L., Repetto, S., Resnati, F., Ricci, A. M., Riccobene, G., Richards, E., Rosenberg, M., Rossella, M., Roy, P., Rubbia, C., Saad, M., Saha, S., Sala, P., Samanta, S., Sapienza, P., Scaramelli, A., Scarpelli, A., Schmitz, D., Schukraft, A., Senadheera, D., Seo, S-H., Sergiampietri, F., Sirri, G., Smedley, J. S., Smith, J., Stanco, L., Stewart, J., Tanaka, H. A., Tapia, F., Tenti, M., Terao, K., Terranova, F., Togo, V., Torretta, D., Torti, M., Tortorici, F., Triozzi, R., Tsai, Y. -T., Tufanli, S., Usher, T., Varanini, F., Ventura, S., Vicenzi, M., Vignoli, C., Viren, B., Williams, Z., Wilson, R. J., Wilson, P., Wolfs, J., Wongjirad, T., Wood, A., Worcester, E., Wospakrik, M., Yu, H., Yu, J., Zani, A., Zennamo, J., Zettlemoyer, J., Zhang, C., Zucchelli, S.
The ICARUS liquid argon time projection chamber (LArTPC) neutrino detector has been taking physics data since 2022 as part of the Short-Baseline Neutrino (SBN) Program. This paper details the equalization of the response to charge in the ICARUS time
Externí odkaz:
http://arxiv.org/abs/2407.11925
Recent multimodal large language models (MLLM) such as GPT-4o and GPT-4v have shown great potential in autonomous driving. In this paper, we propose a cross-domain few-shot in-context learning method based on the MLLM for enhancing traffic sign recog
Externí odkaz:
http://arxiv.org/abs/2407.05814
This paper proposes a novel zero-shot composed image retrieval (CIR) method considering the query-target relationship by masked image-text pairs. The objective of CIR is to retrieve the target image using a query image and a query text. Existing meth
Externí odkaz:
http://arxiv.org/abs/2406.18836
This paper proposes a novel framework to reinforce classification models using language-guided generated counterfactual images. Deep learning classification models are often trained using datasets that mirror real-world scenarios. In this training pr
Externí odkaz:
http://arxiv.org/abs/2406.13316