論文の概要: Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods

• arxiv url: http://arxiv.org/abs/2102.10326v1
• Date: Sat, 20 Feb 2021 12:28:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-23 14:34:43.622857
• Title: Automated identification of transiting exoplanet candidates in NASA Transiting Exoplanets Survey Satellite (TESS) data with machine learning methods
• Title（参考訳）: nasaトランジット系外惑星サーベイ衛星(tess)データにおけるトランジット系外惑星候補の機械学習による自動同定
• Authors: Leon Ofman, Amir Averbuch, Adi Shliselberg, Idan Benaun, David Segev, Aron Rissman
• Abstract要約: AI/ML ThetaRayシステムは当初ケプラー太陽系外惑星のデータで訓練され、確認された太陽系外惑星で検証される。 TESSミッションで発生したしきい値交差イベント(TCE)の10,803光曲線へのThetaRayの適用により、39の新たな惑星候補が発見された。
• 参考スコア（独自算出の注目度）: 1.9491825010518622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel artificial intelligence (AI) technique that uses machine learning (ML) methodologies combines several algorithms, which were developed by ThetaRay, Inc., is applied to NASA's Transiting Exoplanets Survey Satellite (TESS) dataset to identify exoplanetary candidates. The AI/ML ThetaRay system is trained initially with Kepler exoplanetary data and validated with confirmed exoplanets before its application to TESS data. Existing and new features of the data, based on various observational parameters, are constructed and used in the AI/ML analysis by employing semi-supervised and unsupervised machine learning techniques. By the application of ThetaRay system to 10,803 light curves of threshold crossing events (TCEs) produced by the TESS mission, obtained from the Mikulski Archive for Space Telescopes, we uncover 39 new exoplanetary candidates (EPC) targets. This study demonstrates for the first time the successful application of combined multiple AI/ML-based methodologies to a large astrophysical dataset for rapid automated classification of EPCs.
• Abstract（参考訳）: 機械学習(ML)手法を用いた新しい人工知能(AI)技術は、ThetaRay, Inc.によって開発されたいくつかのアルゴリズムを組み合わせて、NASAのトランジット太陽系外惑星探査衛星(TESS)データセットに適用され、外惑星候補を特定する。 AI/ML ThetaRayシステムは、最初にケプラー外惑星データで訓練され、TESSデータに適用する前に確認された外惑星で検証されます。 さまざまな観測パラメータに基づく既存および新機能は、半監視および非監視の機械学習技術を用いてAI/ML分析に構築され、使用されます。 宇宙望遠鏡のミクルスキアーカイブから得られたTESSミッションによって生成される10,803光曲線のしきい値交差イベント(TCE)へのThetaRayシステムの適用により、39の新しい太陽系外惑星候補(EPC)ターゲットを発見しました。 この研究は、EPCの迅速な自動分類のための大規模な天体物理データセットへの複数のAI/MLベースの方法論の組み合わせの成功した適用を初めて実証する。

関連論文リスト

• Semi-Supervised One-Shot Imitation Learning [83.94646047695412]
  ワンショットのImitation Learningは、AIエージェントに1つのデモから新しいタスクを学ぶ能力を持たせることを目的としている。 我々は,学習エージェントにトラジェクトリの大規模なデータセットを提示する,半教師付きOSIL問題設定を導入する。 我々は,この半教師付きOSIL設定に適用可能なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-08-09T18:11:26Z)
• Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine Learning for Anomaly Detection [1.8434042562191815]
  我々は、異常検出のための機械学習(ML)技術の太陽系外惑星トランジットスペクトルへの応用を提唱する。 合成スペクトルの大規模公開データベース上での2つの一般的な異常検出手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-08-15T07:19:54Z)
• Applications of AI in Astronomy [0.0]
  本稿では、天文学、天体物理学、宇宙論における機械学習(ML)およびその他のAI手法の使用の概要について述べる。 過去10年間で、さまざまなML/AI応用を含む天文学文献が指数関数的に成長してきた。 データの複雑さが増し続ければ、協力的な人間とAIの発見につながるさらなる進歩が期待できる。
  論文  参考訳（メタデータ） (2022-12-03T00:38:59Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• ExoSGAN and ExoACGAN: Exoplanet Detection using Adversarial Training Algorithms [0.0]
  我々は、K2データ中の移動系外惑星を検出するために、2種類の生成逆数ネットワークを使用する。 本手法では,テストデータに基づいて光曲線をリコール精度1.00の精度で分類することができる。
  論文  参考訳（メタデータ） (2022-07-20T05:45:36Z)
• Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
  本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。 本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
  論文  参考訳（メタデータ） (2022-04-24T15:23:25Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• AiTLAS: Artificial Intelligence Toolbox for Earth Observation [8.675678723861084]
  AiTLASには、衛星画像の探索的および予測分析のための最先端の機械学習方法が含まれている。 土地利用や被覆分類、作物の種類予測、特定の対象の局所化など、地球観測の様々なタスクに容易に適用できる。
  論文  参考訳（メタデータ） (2022-01-21T17:10:14Z)
• Automation Of Transiting Exoplanet Detection, Identification and Habitability Assessment Using Machine Learning Approaches [0.0]
  我々はケプラー望遠鏡で捉えた恒星からの光強度曲線を分析し、惑星系の存在の性質を示すポテンシャル曲線を検出する。 我々は、いくつかの最先端機械学習とアンサンブルアプローチを活用することで、外惑星識別と居住可能性判定の自動化に取り組む。
  論文  参考訳（メタデータ） (2021-12-06T19:00:12Z)
• GalaxAI: Machine learning toolbox for interpretable analysis of spacecraft telemetry data [48.42042893355919]
  GalaxAIは、宇宙船のテレメトリデータを分析するための汎用的な機械学習ツールボックスである。 多変量時系列解析、分類、回帰、構造化出力予測に様々な機械学習アルゴリズムを使用している。 本稿では,2つの異なる宇宙船に関する2つのユースケースにおいて,GalaxAIの有用性と汎用性を示す。
  論文  参考訳（メタデータ） (2021-08-03T10:45:20Z)
• Paradigm selection for Data Fusion of SAR and Multispectral Sentinel data applied to Land-Cover Classification [63.072664304695465]
  本稿では、畳み込みニューラルネットワーク(CNN)に基づく4つのデータ融合パラダイムを分析し、実装する。 目標は、最良のデータ融合フレームワークを選択するための体系的な手順を提供することであり、その結果、最高の分類結果が得られる。 この手順は、土地被覆分類のために検証されているが、他のケースに転送することができる。
  論文  参考訳（メタデータ） (2021-06-18T11:36:54Z)

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。