論文の概要: An Unbiased Estimator of the Full-sky CMB Angular Power Spectrum using Neural Networks

• arxiv url: http://arxiv.org/abs/2102.04327v1
• Date: Mon, 8 Feb 2021 16:30:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:14:35.699971
• Title: An Unbiased Estimator of the Full-sky CMB Angular Power Spectrum using Neural Networks
• Title（参考訳）: ニューラルネットワークを用いた全天CMB角パワースペクトラムのアンバイアス推定法
• Authors: Pallav Chanda, Rajib Saha
• Abstract要約: 我々はニューラルネットワークを用いて、全スキー角パワースペクトルと基礎となる理論パワースペクトルの偏りのない予測を生成する。 私たちの予測も、かなり関連性がない。
• 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: Accurate estimation of the Cosmic Microwave Background (CMB) angular power spectrum is enticing due to the prospect for precision cosmology it presents. Galactic foreground emissions, however, contaminate the CMB signal and need to be subtracted reliably in order to lessen systematic errors on the CMB temperature estimates. Typically bright foregrounds in a region lead to further uncertainty in temperature estimates in the area even after some foreground removal technique is performed and hence determining the underlying full-sky angular power spectrum poses a challenge. We explore the feasibility of utilizing artificial neural networks to predict the angular power spectrum of the full sky CMB temperature maps from the observed angular power spectrum of the partial sky in which CMB temperatures in some bright foreground regions are masked. We present our analysis at large angular scales with two different masks. We produce unbiased predictions of the full-sky angular power spectrum and the underlying theoretical power spectrum using neural networks. Our predictions are also uncorrelated to a large extent. We further show that the multipole-multipole covariances of the predictions of the full-sky spectra made by the ANNs are much smaller than those of the estimates obtained using the method of pseudo-$C_l$.
• Abstract（参考訳）: 宇宙マイクロ波背景(CMB)角電力スペクトルの正確な推定は、それが提示する精密宇宙論の見通しのために魅力的です。 しかし、銀河フォアグラウンドの放出はCMB信号を汚染し、CMB温度推定の系統的な誤差を減らすために確実に減算する必要がある。 通常、地域の明るいフォアグラウンドは、フォアグラウンド除去技術が実行された後も、エリア内の温度推定のさらなる不確実性をもたらし、従って基礎となるフルスカイ角パワースペクトルの決定は困難をもたらす。 本研究では,CMB温度を隠蔽した部分空の観測角パワースペクトルから,人工ニューラルネットワークを用いて全天CMB温度マップの角パワースペクトルを予測することの実現可能性について検討する。 2つの異なるマスクを持つ大きな角スケールで解析を行う。 ニューラルネットワークを用いて、全天角電力スペクトルと基礎となる理論的電力スペクトルの偏見のない予測を生成する。 私たちの予測も、かなり関連性がない。 さらに、annによるフルスカイスペクトルの予測の多極・多極共分散は疑似$c_l$法を用いて得られた推定値よりもはるかに小さいことを示した。

関連論文リスト

• Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
  本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。 照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。 提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
  論文  参考訳（メタデータ） (2024-11-06T03:30:46Z)
• Multimodal Flare Forecasting with Deep Learning [0.2968738145616401]
  色圏およびコロナUVおよびEUV放射の異なる波長での予測能力を比較するために、深層学習を採用している。 以上の結果から,EUVの波長は,視線磁図と同等以上の識別力が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-10-21T15:42:47Z)
• Cosmic Microwave Background Recovery: A Graph-Based Bayesian Convolutional Network Approach [2.689611937246938]
  深層学習を多周波フルスキーマップからのCMBクリーニングのためのデータ駆動アプローチとして採用する。 U-Netアーキテクチャに基づくグラフベースのベイズ畳み込みニューラルネットワークを開発し、画素ワイド不確実性推定によるクリーンなCMBを予測する。 本モデルでは, クリーン化したCMBスカイマップを精度良く復元し, 不確実領域を特定しながら角パワースペクトルを導出することを示す。
  論文  参考訳（メタデータ） (2023-02-24T00:49:43Z)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• Momentum Diminishes the Effect of Spectral Bias in Physics-Informed Neural Networks [72.09574528342732]
  物理インフォームドニューラルネットワーク(PINN)アルゴリズムは、偏微分方程式(PDE)を含む幅広い問題を解く上で有望な結果を示している。 彼らはしばしば、スペクトルバイアスと呼ばれる現象のために、ターゲット関数が高周波の特徴を含むとき、望ましい解に収束しない。 本研究は, 運動量による勾配降下下で進化するPINNのトレーニングダイナミクスを, NTK(Neural Tangent kernel)を用いて研究するものである。
  論文  参考訳（メタデータ） (2022-06-29T19:03:10Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Mechanical Decoupling of Quantum Emitters in Hexagonal Boron Nitride from Low-Energy Phonon Modes [52.77024349608834]
  六方晶窒化ホウ素 (hBN) の量子放出体は, 最近, 室温のフーリエ変態限界に従って均一な直線幅を持つことが報告された。 この異常な観測は、hBNホスト物質の2つの平面の間にエミッターが配置されている場合に発生する、面内フォノンモードからの分離に遡る。
  論文  参考訳（メタデータ） (2020-04-22T20:00:49Z)
• Foreground model recognition through Neural Networks for CMB B-mode observations [0.0]
  特に,偏光観測に関連する低周波フォアグラウンドの解析に着目した。 我々は、将来の衛星と低周波地表面プローブで表される周波数範囲と感度に対応する一連のシミュレーションマップに対して、我々のアプローチを実装し、検証した。 異なる空域における前景放射の正しいパラメトリゼーションの認識におけるNN効率は、およそ90%の精度に達する。
  論文  参考訳（メタデータ） (2020-03-04T19:00:02Z)
• CosmoVAE: Variational Autoencoder for CMB Image Inpainting [4.69377041192659]
  CMBマップのノイズは、宇宙論的パラメータの推定精度に大きな影響を及ぼす。 本稿では,CMBマップの欠落した観測を復元する深層学習に基づく変分自動エンコーダを提案する。 提案したモデルは,Planck textttCommander 2018 CMBmap inpaintingのアートパフォーマンスの状態を達成している。
  論文  参考訳（メタデータ） (2020-01-31T03:54:35Z)

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。