文献

J-GLOBAL ID：201802273688968923   整理番号：18A0408635

光度曲線の深いlearnt分類【Powered by NICT】

Deep-learnt classification of light curves

著者 (7件)： Mahabal A (Center for Data-Driven Discovery, California Institute of Technology, Pasadena, CA, 91125) ,  Sheth K (Indian Institute of Technology Gandhinagar, Palaj, Gandhinagar, 382355, India) ,  Gieseke F (Department of Computer Science, University of Copenhagen, Copenhagen, Denmark) ,  Pai A (Department of Computer Science, University of Copenhagen, Copenhagen, Denmark) ,  Djorgovski S G (Center for Data-Driven Discovery, California Institute of Technology, Pasadena, CA, 91125) ,  Drake A J (Cahill Center for Astronomy and Astrophysics, California Institute of Technology, Pasadena, CA, 91125) ,  Graham M J (Center for Data-Driven Discovery, California Institute of Technology, Pasadena, CA, 91125)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SSCI  ページ： 1-8  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： 天文学光度曲線は少ない,隙間のある,異分散。結果として金融と類似したデータセットに通常使用される標準的な時系列法は少しの援助であり,天文学者は通常光度曲線を分類するために自身の装置と技術に残されている。共通の方法は,時系列からの統計的特徴を導出し,標準クラスの数に物体を分離するための機械学習法を用いて,一般的に監視することである。本研究では,現代の深層学習技術を用いてそれらを分類するために,時系列を二次元光曲線表現した。特に,畳込みニューラルネットワークに基づく分類器は広い特性化と分類のためのうまく働くことを示した。CRTS調査からの周期的変数の標識データセットを使用し,これはいくつかの可能な励起拡張と多様なクラスの迅速分類のための扉を開く方法を示した。Copyright 2018 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： 機械学習 ,  キャラクタリゼーション ,  二次元 ,  励起 ,  *天文学 ,  金融
準シソーラス用語： 畳込みニューラルネットワーク ,  深層学習 ,  統計的特徴 ,  *光度曲線 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 光度曲線 ,  分類