機械学習からのMillion Quasarsカタログにおける電波源の赤方偏移【JST・京大機械翻訳】

Curran S. J.; Moss J. P.; Perrott Y. C.

プレプリント

J-GLOBAL ID：202202214778620329 整理番号：22P0346732

機械学習からのMillion Quasarsカタログにおける電波源の赤方偏移【JST・京大機械翻訳】

Redshifts of radio sources in the Million Quasars Catalogue from 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 (3件)： , ,
資料名：
発行年： 2022年05月09日プレプリントサーバーでの情報更新日： 2022年05月09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。

ソースの無線スペクトルだけに基づく測光赤方偏移を得るために機械学習技術を使用する目的で,著者らはMillion Quasars Catalogueから無線源を抽出した。これらのうち,44,119は分光赤方偏移を有し,モデル検証に必要であり,光測定ができた。特徴として無線スペクトル特性を用いて,モデルが訓練サンプルのサイズで改善するという示唆はあるが,赤方偏移を信頼性良く予測することができるモデルを見つけることができなかった。近赤外-光-紫外バンドの大きさを用いて,必要な測光の全てを持つ12,503の放射線源に基づく信頼できる予測を得た。80:20の訓練-検証分割から,以前のSDSSモデルでの試料の訓練は,全ての12,503の源に対して同等の結果を与えるが,これは2501の検証源のみを与える。これは,u,v,g,r,i,zバンドにおける南部の空を調査できるSkyMapperが,正方形Kilometerアレイで検出される放射線源の赤方偏移を予測するために使用できることを確信する。標本の多くから欠落する大きさを impめるために機械学習を使用することによって,著者らは,32,698の源の赤方偏移を予測でき,試料の28%から74%への増加を,異常値比率を1.4倍増加させるコストで予測することができた。「光学的」バンドデータは成功しているが,この段階で,比較的特徴のない無線スペクトルを克服するのに必要な十分なデータを与える,ラジオ測光赤方偏移の可能性は除外できない。【JST・京大機械翻訳】

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

星雲

, ,

前のページに戻る