テラヘルツ分光データの処理における機械学習アルゴリズムの応用【JST・京大機械翻訳】

Seo Young Min; Goldsmith Paul F.; Tolls Volker; Shipman Russell; Kulesa Craig; Peters William; Walker Christopher; Melnick Gary

プレプリント

J-GLOBAL ID：202202206156627757 整理番号：22P0187304

テラヘルツ分光データの処理における機械学習アルゴリズムの応用【JST・京大機械翻訳】

Applications of Machine Learning Algorithms In Processing Terahertz Spectroscopic Data

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 (8件)： , , , , , , ,
資料名：
発行年： 2020年09月02日プレプリントサーバーでの情報更新日： 2020年09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)

データ削減ソフトウェアとStratosphere Terahertz Observatory 2(STO2)のレベル1とレベル2製品の分布を示した。STO2,バルーン搭載テラヘルツ望遠鏡,星形成領域および銀河面を調査し,約300,000スペクトルを生成した。このデータは,通常,単一ディッシュラジオ望遠鏡により生成されたスペクトルとほぼ同じである。しかし,データの一部は急速に変化するフリンジ/ベースラインの特徴とドリフトノイズを含み,これは従来のデータ低減ソフトウェアを用いて適切に補正できなかった。STO2ミッションの全科学データを処理するために,著者らは,非対称最小二乗(ALS),独立成分分析(ICA),およびノイズ(DBSCAN)によるアプリケーションの密度ベースの空間クラスタ化を含む,大振幅フリンジと新アルゴリズムを減らすために,適切なオフソーススペクトルを見つける新しい方法を採用した。STO2データ低減ソフトウェアは,数百から10Kまでフリンジの振幅を効率的に減らし,数Kまでの振幅のベースラインをもたらした。レベル1の生成物は,[CII]スペクトルで数K,[NII]スペクトルで ̄1Kの雑音を持つ。再格子化アルゴリズムを用いて,Bessel-Gaussカーネルを用いたアルゴリズムを用いて,星形成領域および銀河平面調査のスペクトルマップを作成した。レベル1と2製品は,STO2データサーバとデータVerseを通して天文学コミュニティに利用可能である。また,ソフトウェアは,Githubを通して公共にアクセスできる。詳細なアドレスは,データ分布に関する論文のセクション4において与えた。【JST・京大機械翻訳】

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

分光分析 , 赤外・遠赤外領域の分光法と分光計 , 図形・画像処理一般

, , ,

前のページに戻る