論文の概要: A one-armed CNN for exoplanet detection from light curves
- arxiv url: http://arxiv.org/abs/2105.06292v1
- Date: Wed, 12 May 2021 14:00:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 03:34:20.822118
- Title: A one-armed CNN for exoplanet detection from light curves
- Title(参考訳): 光曲線からの外惑星検出のための片腕CNN
- Authors: Koko Visser and Bas Bosma and Eric Postma
- Abstract要約: 我々は、外惑星検出のための一本腕簡易畳み込みニューラルネットワーク(CNN)を提案し、より複雑で二本腕のCNNであるAstronetと比較した。
モンテカルロのクロスバリデーションが太陽系外惑星検出性能の推定に与える影響について検討した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose Genesis, a one-armed simplified Convolutional Neural Network
(CNN)for exoplanet detection, and compare it to the more complex, two-armed CNN
called Astronet. Furthermore, we examine how Monte Carlo cross-validation
affects the estimation of the exoplanet detection performance. Finally, we
increase the input resolution twofold to assess its effect on performance. The
experiments reveal that (i)the reduced complexity of Genesis, i.e., a more than
95% reduction in the number of free parameters, incurs a small performance cost
of about 0.5% compared to Astronet, (ii) Monte Carlo cross-validation provides
a more realistic performance estimate that is almost 0.7% below the original
estimate, and (iii) the twofold increase in input resolution decreases the
average performance by about 0.5%. We conclude by arguing that further
exploration of shallower CNN architectures may be beneficial in order to
improve the generalizability of CNN-based exoplanet detection across surveys.
- Abstract(参考訳): 我々は、外惑星検出のための片腕簡易畳み込みニューラルネットワーク(CNN)であるGenesisを提案し、より複雑な2本腕CNNであるAstronetと比較した。
さらに,モンテカルロのクロスバリデーションが外惑星検出性能の推定に与える影響について検討した。
最後に,入力解像度を2倍にすることで,その性能への影響を評価する。
i) 生成の複雑さ、すなわち、フリーパラメータの数を95%以上減少させると、astronetと比較してパフォーマンスコストが約0.5%小さくなること、(ii) モンテカルロのクロスバリデーションは、当初の推定よりも約0.7%低いより現実的なパフォーマンス推定を提供し、(iii) 入力解像度の2倍の増加は、平均パフォーマンスを約0.5%減少させる。
より浅いCNNアーキテクチャの探索は、調査全体にわたるCNNベースの外惑星検出の一般化性を向上させるために有用である。
関連論文リスト
- Efficient Brain Tumor Classification with Lightweight CNN Architecture: A Novel Approach [0.0]
MRI画像を用いた脳腫瘍の分類は、早期かつ正確な検出が患者の予後に大きな影響を及ぼす医療診断において重要である。
近年のディープラーニング(DL)の進歩は将来性を示しているが、多くのモデルは精度と計算効率のバランスに苦慮している。
本稿では,分離可能な畳み込みと圧縮・励振ブロック(SEブロック)を統合した新しいモデルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2025-02-01T21:06:42Z) - Kolmogorov-Arnold Network for Satellite Image Classification in Remote Sensing [4.8951183832371]
本稿では,コンボリューションニューラルネットワーク(CNN)モデルとKAN(Kolmogorov-Arnold Network)を統合したリモートセンシングシーン分類タスクを提案する。
KCNと呼ばれる新しい手法は、従来のマルチ層パーセプトロン(MLP)をKANに置き換えて、分類性能を向上させることを目的としている。
我々はVGG16, MobileNetV2, EfficientNet, ConvNeXt, ResNet101, Vision Transformer (ViT) など,複数のCNNベースのモデルを用いて, Kanと組み合わせて性能評価を行った。
論文 参考訳(メタデータ) (2024-06-02T03:11:37Z) - One-dimensional Convolutional Neural Networks for Detecting Transiting
Exoplanets [39.58317527488534]
我々は、異なる望遠鏡とサーベイから得られる光曲線のトランジットを検出することができる人工ニューラルネットワークモデルを開発した。
我々は1次元畳み込みニューラルネットワークモデルを訓練し、検証するために、ケプラー望遠鏡(K2)の延長ミッションに期待されるものを模した人工光曲線を作成しました。
論文 参考訳(メタデータ) (2023-12-12T10:56:27Z) - Systematic Architectural Design of Scale Transformed Attention Condenser
DNNs via Multi-Scale Class Representational Response Similarity Analysis [93.0013343535411]
マルチスケールクラス表現応答類似性分析(ClassRepSim)と呼ばれる新しいタイプの分析法を提案する。
ResNetスタイルのアーキテクチャにSTACモジュールを追加すると、最大1.6%の精度が向上することを示す。
ClassRepSim分析の結果は、STACモジュールの効果的なパラメータ化を選択するために利用することができ、競争性能が向上する。
論文 参考訳(メタデータ) (2023-06-16T18:29:26Z) - Deep-learning based measurement of planetary radial velocities in the
presence of stellar variability [70.4007464488724]
我々は、HARPS-N Sun-as-a-star Spectraの3年間の恒星RVジッタを低減するためにニューラルネットワークを使用する。
マルチラインCNNは、半振幅0.2m/s、50日間、振幅8.8%、周期0.7%の誤差で惑星を回復することができる。
論文 参考訳(メタデータ) (2023-04-10T18:33:36Z) - Spatiotemporal Estimation of TROPOMI NO2 Column with Depthwise Partial
Convolutional Neural Network [0.17590081165362778]
衛星による観測は、雲の覆いと表面反射率に負の影響を受けている。
本稿では,部分畳み込みニューラルネットワーク(PCNN)の適用範囲を広げ,深部畳み込み層を組み込む。
深層学習システムは,TROpospheric Monitoring Instrument TCDNO2をインプットするために,N_2(TCDNO2)の球面密度をシミュレーションしたコミュニティマルチスケール空気品質モデルを用いて訓練される。
論文 参考訳(メタデータ) (2022-04-12T16:23:36Z) - High performing ensemble of convolutional neural networks for insect
pest image detection [124.23179560022761]
害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。
我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。
ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-08-28T00:49:11Z) - Multi-path Convolutional Neural Networks Efficiently Improve Feature
Extraction in Continuous Adventitious Lung Sound Detection [0.19573380763700707]
CNN-BiGRU (Convolutional-bidirectional gated Recurrent Unit) を用いて, 吸入, 吸入, 持続的不定音 (CAS) , 連続的不連続的不定音 (discontinuous adventitious Sound) を記録レベルで検出した。
CNN層のネットワークアーキテクチャの変更を最小限に抑える3つの戦略について検討した。
その結果,提案したアーキテクチャ修正モデルでCAS検出の改善が認められた。
論文 参考訳(メタデータ) (2021-07-09T05:55:57Z) - Prediction of progressive lens performance from neural network
simulations [62.997667081978825]
本研究の目的は,畳み込みニューラルネットワーク(CNN)に基づく視覚的視力(VA)予測の枠組みを提案することである。
提案する総合シミュレーションツールは主観的視覚性能の正確なモデルとして機能することが示されている。
論文 参考訳(メタデータ) (2021-03-19T14:51:02Z) - Inception Convolution with Efficient Dilation Search [121.41030859447487]
拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。
そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。
本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
論文 参考訳(メタデータ) (2020-12-25T14:58:35Z) - Fusion of CNNs and statistical indicators to improve image
classification [65.51757376525798]
畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。
この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。
我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
論文 参考訳(メタデータ) (2020-12-20T23:24:31Z)
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。