論文の概要: Pulsars Detection by Machine Learning with Very Few Features

• arxiv url: http://arxiv.org/abs/2002.08519v1
• Date: Thu, 20 Feb 2020 01:26:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 08:10:42.244701
• Title: Pulsars Detection by Machine Learning with Very Few Features
• Title（参考訳）: 極めて少ない特徴を有する機械学習によるパルサー検出
• Authors: Haitao Lin, Xiangru Li, Ziying Luo
• Abstract要約: パルサー検出のための機械学習(ML)手法に基づくスキームの検討は活発なトピックである。 検出性能を向上させるためには,MLモデルへの入力特徴を具体的に検討する必要がある。
• 参考スコア（独自算出の注目度）: 5.598468451834693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is an active topic to investigate the schemes based on machine learning (ML) methods for detecting pulsars as the data volume growing exponentially in modern surveys. To improve the detection performance, input features into an ML model should be investigated specifically. In the existing pulsar detection researches based on ML methods, there are mainly two kinds of feature designs: the empirical features and statistical features. Due to the combinational effects from multiple features, however, there exist some redundancies and even irrelevant components in the available features, which can reduce the accuracy of a pulsar detection model. Therefore, it is essential to select a subset of relevant features from a set of available candidate features and known as {\itshape feature selection.} In this work, two feature selection algorithms ----\textit{Grid Search} (GS) and \textit{Recursive Feature Elimination} (RFE)---- are proposed to improve the detection performance by removing the redundant and irrelevant features. The algorithms were evaluated on the Southern High Time Resolution University survey (HTRU-S) with five pulsar detection models. The experimental results verify the effectiveness and efficiency of our proposed feature selection algorithms. By the GS, a model with only two features reach a recall rate as high as 99\% and a false positive rate (FPR) as low as 0.65\%; By the RFE, another model with only three features achieves a recall rate 99\% and an FPR of 0.16\% in pulsar candidates classification. Furthermore, this work investigated the number of features required as well as the misclassified pulsars by our models.
• Abstract（参考訳）: 現代の調査では,データボリュームが指数関数的に増大するにつれて,パルサーを検出する機械学習(ML)手法に基づくスキームの調査が盛んである。 検出性能を向上させるためには,MLモデルへの入力特徴を具体的に検討する必要がある。 ML法に基づく既存のパルサー検出研究には、主に経験的特徴と統計的特徴の2種類の特徴設計がある。 しかし、複数の特徴の組合せ効果により、利用可能な特徴にいくつかの冗長性や無関係な要素が存在するため、パルサー検出モデルの精度が低下する可能性がある。 したがって、利用可能な特徴のセットから関連する特徴のサブセットを選択することが不可欠であり、"itshape feature selection"として知られている。 本稿では,2つの特徴選択アルゴリズム ----\textit{grid search} (gs) と \textit{recursive feature removal} (rfe)-- を提案し,冗長かつ無関係な特徴を除去して検出性能を向上させる。 これらのアルゴリズムは,5つのパルサー検出モデルを用いて,南高時間分解大学 (HTRU-S) の調査で評価された。 提案する特徴選択アルゴリズムの有効性と効率を実験的に検証した。 gsでは、2つの特徴しか持たないモデルはリコールレートが99\%、偽陽性率(fpr)が0.65\%、rfeでは3つの特徴しか持たない別のモデルがリコールレート99\%、パルサー候補分類では0.16\%となる。 さらに,本研究は,本モデルで要求される特徴数と誤分類パルサーについて検討した。

関連論文リスト

• Detection-Rate-Emphasized Multi-objective Evolutionary Feature Selection for Network Intrusion Detection [21.104686670216445]
  ネットワーク侵入検出における特徴選択問題を3目的最適化問題としてモデル化するDR-MOFSを提案する。 ほとんどの場合、提案手法は従来の手法、すなわちより少ない特徴、より高い精度と検出率を達成できる。
  論文  参考訳（メタデータ） (2024-06-13T14:42:17Z)
• Temporal Stamp Classifier: Classifying Short Sequences of Astronomical Alerts [0.6144680854063939]
  本研究では,ZTF (Zwicky Transient Facility) 調査で報告された警報を用いた天体の深層学習に基づく分類モデルを提案する。 このモデルは、各アラートに含まれるスタンプイメージとメタデータのシーケンスと、All-WISEカタログの特徴を入力として扱う。 提案モデルでは, 約98%の精度で3種類の天体を識別できる。
  論文  参考訳（メタデータ） (2024-05-23T21:49:32Z)
• The object detection model uses combined extraction with KNN and RF classification [0.0]
  本研究は,GLCMとLCPを特徴ベクトルとして組み合わせた新しい手法と,分類のためのVEによる物体検出の分野に寄与する。 システムテストでは4,437枚の2D画像のデータセットを使用し、KNNの精度は92.7%、F1スコアは92.5%、RF性能は低かった。
  論文  参考訳（メタデータ） (2024-05-09T05:21:42Z)
• A Performance-Driven Benchmark for Feature Selection in Tabular Deep Learning [131.2910403490434]
  データサイエンティストは通常、データセットにできるだけ多くの機能を集め、既存の機能から新しい機能を設計する。 既存のタブ形式の特徴選択のためのベンチマークでは、古典的な下流モデル、おもちゃの合成データセット、あるいは下流のパフォーマンスに基づいて特徴セレクタを評価していない。 変換器を含む下流ニューラルネットワーク上で評価された課題のある特徴選択ベンチマークを構築した。 また,従来の特徴選択法よりも高い性能を有するニューラルネットワークのための,Lassoのインプット・グラディエント・ベース・アナログも提案する。
  論文  参考訳（メタデータ） (2023-11-10T05:26:10Z)
• Causal Feature Selection via Transfer Entropy [59.999594949050596]
  因果発見は、観察データによる特徴間の因果関係を特定することを目的としている。 本稿では,前向きと後向きの機能選択に依存する新たな因果的特徴選択手法を提案する。 精度および有限サンプルの場合の回帰誤差と分類誤差について理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-17T08:04:45Z)
• A Hybrid Feature Selection and Construction Method for Detection of Wind Turbine Generator Heating Faults [0.0]
  本稿では,風力タービン発電機の暖房故障検出のための特徴選択と施工手法を提案する。 データ収集システムから直接収集された特徴は、風の特性、運用データ、温度測定、ステータス情報から成っている。 障害のより強力な兆候となる情報を得るために、機能構築のステップで新しい機能が作成されました。 その結果,提案手法は,特に誤報の件数を減少させる点において,より信頼性の高い故障検出システムに寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-06-15T20:37:30Z)
• DetectGPT: Zero-Shot Machine-Generated Text Detection using Probability Curvature [143.5381108333212]
  大規模な言語モデルからサンプリングされたテキストは、モデルのログ確率関数の負の曲率領域を占有する傾向にあることを示す。 次に、与えられたLLMから通路が生成されるかどうかを判断するための新しい曲率ベースの基準を定義する。 我々は、モデルサンプル検出のための既存のゼロショット法よりもディテクターGPTの方が識別性が高いことを発見した。
  論文  参考訳（メタデータ） (2023-01-26T18:44:06Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Feature Selection for Huge Data via Minipatch Learning [0.0]
  安定ミニパッチ選択(STAMPS)と適応STAMPSを提案する。 STAMPSは、データの観測と特徴の両方の小さな(適応性の高い)ランダムなサブセットに基づいて訓練された基本特徴セレクタの選択イベントのアンサンブルを構築するメタアルゴリズムである。 われわれのアプローチは一般的であり、様々な機能選択戦略や機械学習技術に応用できる。
  論文  参考訳（メタデータ） (2020-10-16T17:41:08Z)
• Condensing Two-stage Detection with Automatic Object Key Part Discovery [87.1034745775229]
  2段階の物体検出器は通常、高い精度を達成するために、検出ヘッドのために過度に大きなモデルを必要とする。 そこで本研究では,2段階検出ヘッドのモデルパラメータを,対象キー部分に集中させることで縮合・縮小できることを示す。 提案手法は、一般的な2段検出ヘッドのモデルパラメータの約50%を放棄しながら、元の性能を一貫して維持する。
  論文  参考訳（メタデータ） (2020-06-10T01:20:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。