Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Bioluminescence in the Pacific Ocean Neutrino Experiment: Shedding Light on the Deep Sea
Originaluntertitel:
Unveiling the biological phenomena by combining techniques from statistics, astrophysics and machine learning
Übersetzter Titel:
Biolumineszenz im Pacific Ocean Neutrino Experiment: Licht ins Dunkel der Tiefsee bringen
Übersetzter Untertitel:
Enthüllung biologischer Phänomene durch die Kombination von Techniken aus Statistik, Astrophysik und maschinellem Lernen
Autor:
Holzapfel, Kilian
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Natural Sciences
Betreuer:
Resconi, Elisa (Prof. Dr.)
Gutachter:
Resconi, Elisa (Prof. Dr.); Fierlinger, Peter (Prof. Dr.)
Sprache:
en
Fachgebiet:
NAT Naturwissenschaften (allgemein)
Stichworte:
Pacific Ocean Neutrino Experiment, P-ONE, Strings for Absorption Length in Water, STRAW-b, STRAW, camera, deepsea, Bioluminescence
TU-Systematik:
PHY 400; PHY 900
Kurzfassung:
While bioluminescence poses a challenge for neutrino telescopes, it also provides a unique opportunity for studying life in this unexplored habitat. This thesis focuses on developing the data acquisition system and camera optics for STRAW-b. An innovative image recognition algorithm, aided by machine learning, enables the detection and characterization of bioluminescent events. This thesis presents the first measurement of the spectral population of bioluminescent organisms in the deep sea.
Übersetzte Kurzfassung:
Während Biolumineszenz eine Herausforderung für Neutrino-Teleskope darstellt, bietet sie auch eine einzigartige Möglichkeit, das Leben in diesem unerforschten Lebensraum zu erforschen. Diese Arbeit konzentriert sich auf die Entwicklung des Datenakquisitionssystems und der Kameraoptik für STRAW-b. Ein innovativer Bilderkennungsalgorithmus, unterstützt durch maschinelles Lernen, ermöglicht die Erkennung und Charakterisierung von biolumineszenten Ereignissen. Diese Arbeit präsentiert die erste Mess...     »
WWW:
https://mediatum.ub.tum.de/?id=1713703
Eingereicht am:
27.06.2023
Mündliche Prüfung:
12.07.2023
Dateigröße:
24472869 bytes
Seiten:
184
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230712-1713703-1-0
Letzte Änderung:
12.09.2023
 BibTeX