@techreport{oai:jaxa.repo.nii.ac.jp:00048419,
 author = {今福, 拓海 and 石川, 博 and 荒木, 徹也 and 山本, 幸生 and 福家, 英之 and 清水, 雄輝 and 和田, 拓也 and 中上, 裕輔 and IMAFUKU, Takumi and ISHIKAWA, Hiroshi and ARAKI, Tetsuya and YAMAMOTO, Yukio and FUKE, Hideyuki and SHIMIZU, Yuki and WADA, Takuya and NAKAGAMI, Yusuke},
 month = {Feb},
 note = {GAPS（General AntiParticle Spectrometer）は宇宙線反粒子の高感度観測によって暗黒物質を起源とする反重陽子の探索を目指す気球実験計画である．GAPS では，高い識別率や正確性が求められる宇宙線反粒子識別に対して機械学習の活用が検討されている．先行研究では，三次元のCNN（畳み込みニューラルネットワーク）モデルに用いることで，反粒子の入射角と入射位置を固定した限定的な条件下でのシミュレーションデータに対して高い識別精度が確認されている．本研究では機械学習の高い精度の識別における要因の分析によって識別の説明性を求めるため，CNN モデルが識別において注視している部分を可視化し，誤って識別したケースを分析した．, The General AntiParticle Spectrometer (GAPS) aims to search for antideuterons originating from dark matter through highly sensitive observation of cosmic ray antiparticles. In GAPS, the use of machine learning is being considered for cosmic ray antiparticle identification, which requires high rejection power and identification accuracy. In a previous study, a three-dimensional convolutional neural network (CNN) model was used to achieve high rejection power for simulated data under limited conditions where the incident angle and position of the antiparticle are fixed. In this study, in order to seek the explanatory power of discrimination by analyzing the factors that contribute to the high accuracy of machine learning, the parts that the CNN model focuses on in discrimination are visualized, and the cases of incorrect discrimination are analyzed., 形態: カラー図版あり, Physical characteristics: Original contains color illustrations, 資料番号: AA2130033004, レポート番号: JAXA-RR-21-008},
 title = {宇宙線反粒子識別を対象とした機械学習の応用と根拠の可視化},
 year = {2022}
}