STACCATO:バイアストレーニングセットによる超新星測光分類への新たな解決策【JST・京大機械翻訳】

Revsbech Esben A.; Trotta Roberto; van Dyk David A.

プレプリント

J-GLOBAL ID：202202201506461391 整理番号：22P0041047

STACCATO:バイアストレーニングセットによる超新星測光分類への新たな解決策【JST・京大機械翻訳】

STACCATO: A Novel Solution to Supernova Photometric Classification with Biased Training Sets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2017年06月12日プレプリントサーバーでの情報更新日： 2020年04月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

分光的に確認されたが偏った訓練セットを与えられた光曲線のみからタイプIa超新星を分類する問題に対する新しい解決策を提示し,観測的に高価な不偏訓練セットを得る必要性を回避した。Gauss過程(GP)を用いて超新星(SN)光曲線をモデル化し,共分散関数の選択がSNeを正確に分類するGP能力に小さな影響しか及ぼさないことを示した。Richards et al(2012}-a diffused major)のアプローチを,ランダムフォレスト分類器と組み合わせた拡散マップを拡張,改良し,バイアス付き訓練セットの場合に特化した。著者らは,適合GPから付加的訓練データを生成することによって,偏った訓練集合を総合的に強化するSTACCATO(Synthetic Augmented Light ClassificATiOn’)と呼ぶ新しい方法を提案した。この方法の成功の鍵は,訓練セットに含まれる傾向スコアに基づくサブグループへの観測の分割である。模擬光曲線データを用いて,STACCATOは,受信者動作特性曲線(AUC)の面積によって測定されるように,不偏訓練集合の「金標準」を用いて得た0.977のAUCに近く,0.88の以前の最良結果を著しく改善することを示した。また,STACCATOは,SNIa分類の真の陽性率を,高赤方偏移/低輝度SNeに対して50倍まで増加させた。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , ,

前のページに戻る