Fugu-MT 論文翻訳(概要): Identifying microlensing events using neural networks

論文の概要: Identifying microlensing events using neural networks

arxiv url: http://arxiv.org/abs/2008.11930v1
Date: Thu, 27 Aug 2020 06:18:44 GMT
ステータス: 処理完了
システム内更新日: 2022-10-24 08:46:31.150433
Title: Identifying microlensing events using neural networks
Title（参考訳）: ニューラルネットワークを用いたマイクロレンズイベントの同定
Authors: Przemek Mroz
Abstract要約: 現在の重力マイクロレンズ調査では、ギャラクティック・バルジで何億もの星が観測されている。マイクロレンズ現象は、非常に厳密な選択カットを施すか、数万光度曲線を手動で検査することによって検出された。単一およびバイナリマイクロレンズイベントを検出するための2つの単純なニューラルネットワークに基づく分類器を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Current gravitational microlensing surveys are observing hundreds of millions of stars in the Galactic bulge - which makes finding rare microlensing events a challenging tasks. In almost all previous works, microlensing events have been detected either by applying very strict selection cuts or manually inspecting tens of thousands of light curves. However, the number of microlensing events expected in the future space-based microlensing experiments forces us to consider fully-automated approaches. They are especially important for selecting binary-lens events that often exhibit complex light curve morphologies and are otherwise difficult to find. There are no dedicated selection algorithms for binary-lens events in the literature, which hampers their statistical studies. Here, we present two simple neural-network-based classifiers for detecting single and binary microlensing events. We demonstrate their robustness using OGLE-III and OGLE-IV data sets and show they perform well on microlensing events detected in data from the Zwicky Transient Facility (ZTF). Classifiers are able to correctly recognize ~98% of single-lens events and 80-85% of binary-lens events.
Abstract（参考訳）: 現在の重力マイクロレンズ調査では、銀河団内の数億個の恒星が観測されている。これまでのほとんどの研究では、非常に厳密な選択カットを適用したり、数万の光曲線を手動で検査することで、マイクロレンズ現象が検出されている。しかし、将来宇宙でのマイクロレンズ実験で期待されるマイクロレンズ現象の数は、完全に自動化されたアプローチを考慮せざるを得ない。それらは、しばしば複雑な光曲線形態を示し、それ以外は見つからない二重レンズ事象を選択するのに特に重要である。文献にバイナリレンスイベントのための専用の選択アルゴリズムは存在せず、統計的研究を妨げている。本稿では、単一およびバイナリマイクロレンズイベントを検出するための2つの単純なニューラルネットワークベースの分類器を提案する。我々は,OGLE-IIIおよびOGLE-IVデータセットを用いて,それらのロバスト性を実証し,ZTF(Zwicky Transient Facility)のデータから検出されたマイクロレンズイベントに対して良好な性能を示す。分類器は、シングルレンズイベントの98%、バイナリレンズイベントの80-85%を正しく認識することができる。

関連論文リスト

Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
論文参考訳（メタデータ） (2023-04-02T08:23:20Z)
Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
論文参考訳（メタデータ） (2023-03-17T12:12:41Z)
MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data Challenge [110.7678032481059]
第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
論文参考訳（メタデータ） (2022-09-22T16:44:59Z)
MAGIC: Microlensing Analysis Guided by Intelligent Computation [5.503321733964237]
MAGICは、バイナリイベントのマイクロレンズパラメータをリアルなデータ品質で効率的に推論する機械学習フレームワークである。 MAGICは、大きなデータギャップが導入された場合でも、縮退したソリューションを見つけることができる。
論文参考訳（メタデータ） (2022-06-16T14:14:13Z)
Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文参考訳（メタデータ） (2021-08-23T12:06:00Z)
Towards a method to anticipate dark matter signals with deep learning at the LHC [58.720142291102135]
ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
論文参考訳（メタデータ） (2021-05-25T15:38:13Z)
A Deep Learning Approach for Active Anomaly Detection of Extragalactic Transients [1.7152709285783647]
本稿では,シミュレーションしたルビン天文台の銀河外過渡現象をエンコードする変分リカレントオートエンコーダニューラルネットワークを提案する。 1,129,184のイベントを,孤立林を用いて推定した異常スコアに基づいてランク付けした。我々のアルゴリズムは、ピーク前にこれらの過渡現象を異常と識別することができ、リアルタイムの追従研究を可能にしている。
論文参考訳（メタデータ） (2021-03-22T18:02:19Z)
Automating Inference of Binary Microlensing Events with Neural Density Estimation [0.14680035572775532]
ニューラル密度推定(NDE)に基づく自動推論手法を提案する。シミュレーションされたローマのデータをトレーニングしたNDEは、高速で正確で正確な後部を生成できるだけでなく、予測された後部退化を捉えることも示している。
論文参考訳（メタデータ） (2020-10-08T17:58:06Z)
Multi-Scale One-Class Recurrent Neural Networks for Discrete Event Sequence Anomaly Detection [63.825781848587376]
本稿では,離散イベントシーケンス中の異常を検出する1クラスリカレントニューラルネットワークOC4Seqを提案する。具体的には、OC4Seqは離散イベントシーケンスを遅延空間に埋め込み、異常を容易に検出することができる。
論文参考訳（メタデータ） (2020-08-31T04:48:22Z)
Unsupervised Event Detection, Clustering, and Use Case Exposition in Micro-PMU Measurements [0.0]
我々はGAN(Generative Adversarial Networks)の概念に基づく教師なしイベント検出手法を開発した。また,線形混合整数計画法に基づく2段階のアン教師なしクラスタリング手法を提案する。結果から,本研究で広く普及している手法に勝るものであることが示唆された。
論文参考訳（メタデータ） (2020-07-30T05:20:29Z)
Is it feasible to detect FLOSS version release events from textual messages? A case study on Stack Overflow [0.0]
本研究は,Stack Overflow Q&Aプラットフォームからのメッセージのサンプルを用いて,テキストデータのマイクロイベント検出の実現可能性について検討した。格子探索手法を用いてパラメータを最適化した3つの異なる推定器を用いて,マイクロイベントの検出のためのパイプラインを構築した。実験では,マイクロイベントの前後における話題の分布や感情の特徴の変化について検討した。
論文参考訳（メタデータ） (2020-03-30T16:55:38Z)

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。