浅い輸送-深層学習II:深層学習を用いた赤雑音における個々の太陽系外輸送の同定【JST・京大機械翻訳】

Dvash Elad; Peleg Yam; Zucker Shay; Giryes Raja

プレプリント

J-GLOBAL ID：202202208223373881 整理番号：22P0304667

浅い輸送-深層学習II:深層学習を用いた赤雑音における個々の太陽系外輸送の同定【JST・京大機械翻訳】

Shallow Transits -- Deep Learning II: Identify Individual Exoplanetary Transits in Red Noise using Deep 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15日プレプリントサーバーでの情報更新日： 2022年03月15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。

以前の論文では,赤雑音の存在下で非常に浅い周期的惑星輸送の存在を検出することができる深い学習ニューラルネットワークを導入した。その実現可能性研究におけるネットワークは,検出されたトランジットに関する更なる詳細を提供しない。本論文は,この欠損部を完成する。トランジット中に得られたタグサンプルをタグするニューラルネットワークを示した。これは,画像における各画素の意味的文脈を同定するタスクと本質的に似ており,それは,深いニューラルネットワークによってしばしば実行される,「義的セグメンテーションと呼ばれるコンピュータビジョンにおける重要なタスクである。著者らが提示したニューラルネットワークは,U-Net,Generative Adversarial Network(GAN),および敵対的損失のような新しい深層学習概念を利用する。得られたセグメンテーションは,トランジットとしてタグ付けされた光曲線のさらなる研究を可能にする。非常に浅いトランジットの検出と研究に向けたこの手法は,PLATOのような将来の宇宙ベースの交通調査において,特に長期間の浅い輸送の極めて困難なケースを検出することを目的とする。また,著者らのセグメンテーションネットワークは,外惑星の研究においてますます使用されている深層学習アプローチの成長するツールボックスに追加したが,その初期検出よりも,むしろ,主に,ベッティングトランジットに対して,主に用いられる。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る