可変星の構造特性と分類:教師なし機械学習技法による研究【JST・京大機械翻訳】

Paul Suman; Chattopadhyay Tanuka

プレプリント

J-GLOBAL ID：202202207066401519 整理番号：22P0277915

可変星の構造特性と分類:教師なし機械学習技法による研究【JST・京大機械翻訳】

Structural properties and classification of variable stars: A study through unsupervised machine learning techniques

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 (2件)： ,
資料名：
発行年： 2022年01月21日プレプリントサーバーでの情報更新日： 2022年01月21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)

光学重力センシング実験(OGLE)のような可変恒星プロジェクトの膨大なデータベースと共に機械学習におけるデータ科学の分野における進歩は,研究者が効率とともに異なる可変恒星の軽い曲線を分類するだけでなく,解析することを促進する。本研究では,基本モード(FU)と第一倍音(FO)Chepidsの共鳴の同定と,大型Magnellanic雲(LMC),小型Magnellanic雲(SMC),および乳様Way(MW)の可変恒星の分類において,各光曲線に対してステップ長0.001で,OGLE可変星光曲線の巨大なデータベースに適用する主成分分析(PCA)と独立成分分析(ICA)の相対的性能を実証した。ICAの性能は,PCAよりも光曲線の大きなデータセットを正確に分類するだけでなく,Cepheid変数に対する共鳴を見つけるのに優れていることを見出した。独立成分(IC)に関するK平均クラスタ化アルゴリズム(CA)を用いて,LMC,SMCおよびMWに対して別々に周期-輝度図および色-マグニチュード図をプロットし,K-平均CAと共にICAが可変星の軽い曲線の性質に関する将来の予測と同様に分類のための非常にロバストなツールであることを見出した。【JST・京大機械翻訳】

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

恒星 , 天文学・天体物理学一般 , 星雲

, , , ,

前のページに戻る