文献

J-GLOBAL ID：201702263470681120   整理番号：17A1269864

深層畳込みニューラルネットワークを用いた単一エポック超新星分類【Powered by NICT】

Single-Epoch Supernova Classification with Deep Convolutional Neural Networks

著者 (6件)： Kimura Akisato ,  Takahashi Ichiro ,  Tanaka Masaomi ,  Yasuda Naoki ,  Ueda Naonori ,  Yoshida Naoki
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDCSW  ページ： 354-359  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 超新星型Ia(SNeIa)は宇宙の膨張の歴史を探索する上で重要な役割を演じ,それを用いて物体までの距離を正確に測定できる最も良く知られた標準光源である。SNeIaの大きな試料の発見とそれらの詳細な特性を調べる宇宙論と天文学における重要な問題となってきた。電流測光超新星調査を分光学的に追跡できるよりも大きくより候補を生成し,効果的な分類法の必要性を強調した。既存の方法は,超新星候補の輝度を測定する正確に最初に測光法に依存し,輝度の時間的変化のパラメトリック関数の結果と一致した。しかし,それは必然的にマルチエポック観測と複雑な輝度測定を必要とする。本研究では,著者らは,複雑な測定なしの単エポック観測画像から簡単にSNeIaを分類する,最新のコンピュータビジョン法を統合した標準的測光手法に効果的にのための新しい方法を示した。著者らの方法は,最初の望遠鏡画像から超新星の輝度を推定するための畳込みニューラルネットワークを構築し,続いて分類のためのもう一つのニューラルネットワークを構築し,推定された輝度と観測日は分類のための特徴として使用されている。ニューラルネットワークの両方が,観測画像から直接SNeIaを分類するための単一の深いニューラルネットワークに統合した。実験結果は,提案した方法の有効性を示し,マルチエポック観測と既存の測光方法に匹敵する分類性能を明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 輝度 ,  標準光源 ,  望遠鏡 ,  測光 ,  *超新星 ,  経時変化 ,  宇宙論 ,  画像 ,  天文学 ,  *畳込み ,  宇宙空間 ,  コンピュータビジョン ,  電流 ,  *ニューラルネットワーク
準シソーラス用語： 分類法 , 【Automatic Indexing@JST】

分類 (2件)： 天文学・天体物理学一般  (DB03000B) ,  宇宙線・天体物理観測技術  (DB01000N)

タイトルに関連する用語 (4件)： 深層畳込みニューラルネットワーク ,  エポック ,  超新星 ,  分類