深層学習に基づくロバストなホットサブドワーフ同定方法【JST・京大機械翻訳】

Tan Lei; Mei Ying; Liu Zhicun; Luo Yangping; Deng Hui; Wang Feng; Deng Linhua; Liu Chao

プレプリント

J-GLOBAL ID：202202220243670505 整理番号：22P0278127

深層学習に基づくロバストなホットサブドワーフ同定方法【JST・京大機械翻訳】

A Robust Hot Subdwarfs Identification Method Based on 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 (8件)： , , , , , , ,
資料名：
発行年： 2022年01月22日プレプリントサーバーでの情報更新日： 2022年01月22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)

ホットサブドワーフスターは,バイナリ進化と大気拡散過程を研究するのに重要な星型である。近年,機械学習法によるHot subdwarfsの同定は最新の話題になっているが,自動化と精度には限界がある。本論文では,畳込みニューラルネットワーク(CNN)に基づくロバスト同定法を提案した。まず,LAMOS DR7-V1のスペクトルデータを用いてデータセットを構築した。次に,8クラス分類モデルと二値分類モデルを含むハイブリッド認識モデルを構築した。モデルは試験セットで96.17%の精度を達成した。モデルの精度をさらに検証するために,検証セットとして,同定されたLAMOSTカタログ(2428,反復観察を含む)からの訓練プロセスには関与しない835のホットサブダワーフを選択した。96.05%の精度を達成した。これに基づき,LAMOST DR7-V1の10,640,255スペクトルをフィルターにかけ,分類するためにモデルを使用し,2393のホットサブダワーフ候補のカタログを得て,そのうち2067を確認した。手動検証により,残りの候補間で25の新しいホットサブドワーフを見出した。モデルの総合精度は87.42%であった。全体として,本研究で提示したモデルは,ロバスト結果と高精度の特定のスペクトルを効果的に同定することができ,さらに,大規模スペクトルの分類と特定標的の探索に適用できる。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, ,

前のページに戻る