教師なし機械学習を用いたAIA/SDO画像におけるコロナホールの同定【JST・京大機械翻訳】

Inceoglu Fadil; Shprits Yuri Y.; Heinemann Stephan G.; Bianco Stefano

プレプリント

J-GLOBAL ID：202202208022253292 整理番号：22P0307141

教師なし機械学習を用いたAIA/SDO画像におけるコロナホールの同定【JST・京大機械翻訳】

Identification of Coronal Holes on AIA/SDO images using unsupervised Machine Learning

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 (4件)： , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20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。

その磁気活動を通して,太陽は地球の近傍における条件を支配し,宇宙天気事象を生み出し,宇宙および地上技術に劇的な影響を与える。宇宙天気を生成する最も重要な太陽磁気特徴の一つは,コロナホール(CHs)から生じる太陽風である。太陽風の発生源領域の1つとして太陽上のCHsの同定は予測能力を達成するために重要である。本研究では,教師なし機械学習法(k-平均)を用いて,異なる組合せにおける171AA,193AAおよび211AAにおける太陽動力学観測所(AIA/SDO)上の大気画像集合により撮影されたSunの通過帯域画像を画素ごとにクラスタ化した。結果は,系統的事前および後処理段階と共にピクセルワイズk平均クラスタリングが,CNNのような複雑な方法からのそれらと互換性のある結果を提供することを示した。より重要なことに,本研究はCH境界に関するコンセンサスが独立して観測者によって達成されるCHデータベースの必要性があることを示した。次に,このデータベースは,教師つき方法を用いるか,あるいは,モデルの良さを評価するために,”グランドトルース”として使用することができる。【JST・京大機械翻訳】

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

太陽系一般

, ,

前のページに戻る