惑星分光観測衛星プロジェクトチーム
  1. 研究者リスト
  2. 小財 正義

小財 正義

コザイ マサヨシ  (Masayoshi Kozai)

基本情報

所属
情報・システム研究機構 データサイエンス共同利用基盤施設　極域環境データサイエンスセンター 特任研究員
国立研究開発法人宇宙航空研究開発機構 宇宙科学研究所 (大学共同利用システム研究員)
学位
博士（理学）(2016年3月 信州大学)
J-GLOBAL ID
201901017116726616
researchmap会員ID
B000376637

分野横断型 研究データ公開システム AMIDER

https://amider.rois.ac.jp/

研究分野

 2

経歴

 6
もっとみる

学歴

 4

委員歴

 4

受賞

 1

論文

 91
  • M. Amenomori, S. Asano, Y. W. Bao, X. J. Bi, D. Chen, T. L. Chen, W. Y. Chen, Xu Chen, Y. Chen, Cirennima, S. W. Cui, Danzengluobu, L. K. Ding, J. H. Fang, K. Fang, C. F. Feng, Zhaoyang Feng, Z. Y. Feng, Qi Gao, A. Gomi, Q. B. Gou, Y. Q. Guo, Y. Y. Guo, Y. Hayashi, H. H. He, Z. T. He, K. Hibino, N. Hotta, Haibing Hu, H. B. Hu, K. Y. Hu, J. Huang, H. Y. Jia, L. Jiang, P. Jiang, H. B. Jin, K. Kasahara, Y. Katayose, C. Kato, S. Kato, I. Kawahara, T. Kawashima, K. Kawata, M. Kozai, D. Kurashige, Labaciren, G. M. Le, A. F. Li, H. J. Li, W. J. Li, Y. Li, Y. H. Lin, B. Liu, C. Liu, J. S. Liu, L. Y. Liu, M. Y. Liu, W. Liu, H. Lu, X. R. Meng, Y. Meng, K. Munakata, K. Nagaya, Y. Nakamura, Y. Nakazawa, H. Nanjo, C. C. Ning, M. Nishizawa, R. Noguchi, M. Ohnishi, S. Okukawa, S. Ozawa, X. Qian, X. L. Qian, X. B. Qu, T. Saito, Y. Sakakibara, M. Sakata, T. Sako, T. K. Sako, T. Sasaki, J. Shao, M. Shibata, A. Shiomi, H. Sugimoto, W. Takano, M. Takita, Y. H. Tan, N. Tateyama, S. Torii, H. Tsuchiya, S. Udo, H. Wang, S. F. Wang, Y. P. Wang, Wangdui, H. R. Wu, Q. Wu, J. L. Xu, L. Xue, Z. Yang, Y. Q. Yao, J. Yin, Y. Yokoe, Y. L. Yu, A. F. Yuan, L. M. Zhai, H. M. Zhang, J. L. Zhang, X. Zhang, X. Y. Zhang, Y. Zhang, Yi Zhang, Ying Zhang, S. P. Zhao, Zhaxisangzhu, X. X. Zhou, Y. H. Zou
    954(2) 200-200 2023年9月1日  査読有り
  • Chihiro Kato, Kazuoki Munakata, Ryuho Kataoka, Shoko Miyake, Masayoshi Kozai, Yuki Hayashi, Yoshiki Masuda, Mizuki Matsumoto
    Proceedings of 38th International Cosmic Ray Conference — PoS(ICRC2023) 2023年8月18日  
  • Sydney Nicole Feldman, T. Aramaki, M. Boezio, S.E. Boggs, V. Bonvicini, G. Bridges, D. Campana, W.W. Craig, P. von Doetinchem, E. Everson, L. Fabris, H. Fuke, F. Gahbauer, C. Gerrity, L. Ghislotti, C.J. Hailey, T. Hayashi, A. Kawachi, M. Kozai, M. Law, P. Lazzaroni, A. Lenni, A. Lowell, M. Manghisoni, N. Marcelli, K. Mizukoshi, E. Mocchiutti, B. Mochizuki, S.A.I. Mognet, K. Munakata, R. Munini, S. Okazaki, J. Olson, R.A. Ong, G. Osteria, K. Perez, F. Perfetto, S. Quinn, V. Re, E. Riceputi, B. Roach, F. Rogers, J.L. Ryan, N. Saffold, V. Scotti, Y. Shimizu, K. Shutt, R. Sparvoli, A. Stoessl, A. Tiberio, E. Vannuccini, M. Xiao, M. Yamatani, K. Yee, T. Yoshida, G. Zampa, J. Zeng, J. Zweerink
    Proceedings of 38th International Cosmic Ray Conference — PoS(ICRC2023) 2023年8月9日  
  • Masayoshi Kozai, Y. Hayashi, C. Kato, K. Munakata, Y. Masuda, K. Iwai, M. Rockenbach, A. Dal Lago, R. R. S. Mendonca, E. Echer, J. V. Bageston, C. R. Braga, H. K. Al Jassar, M. M. Sharma, M. L. Duldig, J. E. Humble, A. Kadokura, R. Kataoka, S. Miyake, I. Sabbah, P.-S. Mangeard, T. Kuwabara, P. Evenson
    Proceedings of 38th International Cosmic Ray Conference — PoS(ICRC2023) 2023年7月25日  筆頭著者
  • Masahiro YAMATANI, Yusuke NAKAGAMI, Hideyuki FUKE, Akiko KAWACHI, Masayoshi KOZAI, Yuki SHIMIZU, Tetsuya YOSHIDA
    Journal of Evolving Space Activities 1 n/a 2023年4月  査読有り
    The General Antiparticle Spectrometer (GAPS) is a balloon-borne experiment that aims to measure low-energy cosmicray antiparticles. GAPS has developed a new antiparticle identification technique based on exotic atom formation caused by incident particles, which is achieved by ten layers of Si(Li) detector tracker in GAPS. The conventional analysis uses the physical quantities of the reconstructed incident and secondary particles. In parallel with this, we have developed a complementary approach based on deep neural networks. This paper presents a new convolutional neural network (CNN) technique. A three-dimensional CNN takes energy depositions as three-dimensional inputs and learns to identify their positional/energy correlations. The combination of the physical quantities and the CNN technique is also investigated. The findings show that the new technique outperforms existing machine learning-based methods in particle identification.
もっとみる

講演・口頭発表等

 86
もっとみる

所属学協会

 6
もっとみる

Works(作品等)

 1

共同研究・競争的資金等の研究課題

 9
もっとみる

学術貢献活動

 15
もっとみる

社会貢献活動

 1
一覧へ戻る