文献

J-GLOBAL ID：202002298095157258   整理番号：20A2127620

深層学習に基づく低S/N恒星スペクトルの大気パラメータ測定【JST・京大機械翻訳】

Atmospheric parameter measurement of Low-S/N stellar spectra based on deep learning

著者 (5件)： Minglei Wu (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China) ,  Jingchang Pan (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China) ,  Zhenping Yi (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China) ,  Xiaoming Kong (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China) ,  Yude Bu (School of Mathematics and Statistics, Shandong University, Weihai 264209, China)
資料名： Optik  (Optik)
巻： 218  ページ： Null  発行年： 2020年 
JST資料番号： D0251A  ISSN： 0030-4026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 恒星スペクトルから正確な大気パラメータを得ることは,恒星研究にとって基本的に重要である。現在,多重線形回帰,人工ニューラルネットワーク(ANN),およびサポートベクトルマシンのような機械学習は,大気パラメータを導出するために広く使用されている。しかし,これらの方法は,高信号対雑音比(高S/N)恒星スペクトルの大気パラメータの推定にのみ適用可能である。低SN比(低S/N)恒星スペクトルに対して,これらの方法は,十分に機能しない傾向がある。この問題に対処するために,一次元畳込みニューラルネットワークStarNetを提案した。提案方法は次の3つのステップを含んでいる:まず,入力スペクトルとしてS/N<=15のスペクトルを選択する。第二に,2つの畳込み層と最大プール層を通して恒星スペクトルから代表的特徴を抽出する。第3に,2つの完全接続層を通して,スペクトルから大気パラメータまでのマッピング関数を学習した。Kuruczモデルから計算した合成スペクトルと,Lick+OLSとWavelet+ANNを含む他の一般的に使用される方法との比較と同様に,大規模Sky Area Multi-Objectファイバ分光望遠鏡(LAMOST)からの観測スペクトルの両方について,提案した方法を評価した。実験は,提案方法が低S/N恒星スペクトルの大気パラメータを推定し,他の方法より正確であることを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  畳込み ,  望遠鏡 ,  ニューラルネットワーク ,  *スペクトル ,  一次元 ,  パラメータ推定 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 多重線形回帰 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 恒星スペクトル ,  機械学習 ,  大気パラメータ

分類 (2件)： 光学情報処理  (BD03060T) ,  放射伝達,放射変調  (BD03080P)

タイトルに関連する用語 (4件)： 深層学習 ,  恒星スペクトル ,  大気 ,  パラメータ