综述深度学习在伽马天文数据分析中的应用方法。

Machine Learning in Gamma Astronomy

• 梳理切伦科夫望远镜数据常用深度学习模型
• 提供原始论文引用便于追踪技术源头
• 适合从事高能天体物理与机器学习交叉研究者

本文旨在回顾用于分析成像大气切伦科夫望远镜获取的天粒子数据的最流行的深度学习方法，并提供原始论文的参考文献。内容涵盖图像识别、信号分类与背景抑制等典型任务，重点介绍卷积神经网络、自编码器及生成模型在伽马射线源探测与宇宙射线区分中的应用。文章系统整理了相关技术发展脉络，为研究人员快速定位核心方法与前沿成果提供指引。

原文摘要 · Abstract (English)

The purpose of this paper is to review the most popular deep learning methods used to analyze astroparticle data obtained with Imaging Atmospheric Cherenkov Telescopes and provide references to the original papers.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。