論文の概要: Postulating Exoplanetary Habitability via a Novel Anomaly Detection
Method
- arxiv url: http://arxiv.org/abs/2109.02273v1
- Date: Mon, 6 Sep 2021 07:51:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 17:23:12.269737
- Title: Postulating Exoplanetary Habitability via a Novel Anomaly Detection
Method
- Title（参考訳）: 新たな異常検出手法による外惑星のハビタビリティの仮定
- Authors: Jyotirmoy Sarkar, Kartik Bhatia, Snehanshu Saha, Margarita Safonova
and Santonu Sarkar
- Abstract要約: 本稿では,異常検出のための異常検出手法であるMulti-Stage Memetic Algorithm (MSMA)を提案する。
居住可能な候補を(地球を含む)異常として検出する新しい距離関数を用いたMSMAクラスタリング手法について述べる。
結果は、居住可能な太陽系外惑星カタログ(PHL-HEC)と交差し、居住可能な太陽系外惑星の楽観的リストと保守的なリストがある。
- 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: A profound shift in the study of cosmology came with the discovery of
thousands of exoplanets and the possibility of the existence of billions of
them in our Galaxy. The biggest goal in these searches is whether there are
other life-harbouring planets. However, the question which of these detected
planets are habitable, potentially-habitable, or maybe even inhabited, is still
not answered. Some potentially habitable exoplanets have been hypothesized, but
since Earth is the only known habitable planet, measures of habitability are
necessarily determined with Earth as the reference. Several recent works
introduced new habitability metrics based on optimization methods.
Classification of potentially habitable exoplanets using supervised learning is
another emerging area of study. However, both modeling and supervised learning
approaches suffer from drawbacks. We propose an anomaly detection method, the
Multi-Stage Memetic Algorithm (MSMA), to detect anomalies and extend it to an
unsupervised clustering algorithm MSMVMCA to use it to detect potentially
habitable exoplanets as anomalies. The algorithm is based on the postulate that
Earth is an anomaly, with the possibility of existence of few other anomalies
among thousands of data points. We describe an MSMA-based clustering approach
with a novel distance function to detect habitable candidates as anomalies
(including Earth). The results are cross-matched with the habitable exoplanet
catalog (PHL-HEC) of the Planetary Habitability Laboratory (PHL) with both
optimistic and conservative lists of potentially habitable exoplanets.
- Abstract（参考訳）: 宇宙論の研究における大きな変化は、何千もの太陽系外惑星の発見と、銀河に数十億もの惑星が存在する可能性によってもたらされた。
これらの探索の最大の目標は、他の生命を害する惑星が存在するかどうかだ。
しかし、これらの検出された惑星のどれが居住可能か、潜在的に居住可能か、あるいは居住可能かは、まだ答えられていない。
いくつかの潜在的に居住可能な太陽系外惑星は仮説化されているが、地球は唯一の居住可能な惑星であるため、居住性の測定は地球を基準として決定される。
いくつかの最近の研究は、最適化手法に基づいた新しい居住性指標を導入した。
教師付き学習による居住可能な太陽系外惑星の分類も新たな研究分野である。
しかし、モデリングと教師付き学習のアプローチには欠点がある。
本研究では,異常を検知し,非教師付きクラスタリングアルゴリズムmsmvmcaに拡張し,居住可能な太陽系外惑星を異常として検出する多段階memetic algorithm(msma)を提案する。
このアルゴリズムは、地球は異常であり、何千ものデータポイントに他の異常が存在する可能性があるという仮定に基づいている。
居住可能な候補を(地球を含む)異常として検出するための,新しい距離関数を持つMSMAベースのクラスタリング手法について述べる。
この結果は、プラネタリー・ハビタビリティ研究所 (PHL) の居住可能な太陽系外惑星カタログ (PHL-HEC) と交差する。
関連論文リスト
- DBNets: A publicly available deep learning tool to measure the masses of
young planets in dusty protoplanetary discs [49.1574468325115]
我々は、原始惑星系円盤から埋め込まれたとされる惑星の質量を素早く推定するDBNetsを開発した。
アウト・オブ・ディストリビューション・データでツールを広範囲にテストしました。
DBNetはトレーニング範囲外において、特定のしきい値以上の不確実性を返す入力を強く識別することができる。
光学的に薄い状態において、約60deg以下の傾斜で観測された円盤にのみ確実に適用することができる。
論文 参考訳（メタデータ） (2024-02-19T19:00:09Z) - Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly
Detection [64.21963650519312]
異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。
本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。
当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
論文 参考訳（メタデータ） (2023-10-01T21:24:05Z) - Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology
Classification and Anomaly Detection [57.85347204640585]
We developed a Universal Domain Adaptation method DeepAstroUDA。
異なるタイプのクラスオーバーラップしたデータセットに適用することができる。
初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
論文 参考訳（メタデータ） (2022-11-01T18:07:21Z) - 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) - Identifying Exoplanets with Machine Learning Methods: A Preliminary
Study [1.553390835237685]
本研究では,太陽系外惑星の同定に機械学習を用いた手法を提案する。
我々はケプラー宇宙観測所からNASAが収集したケプラーデータセットを用いて教師あり学習を行った。
我々はまた、k平均クラスタリングを用いて、確認された外惑星を異なるクラスタに分割する教師なし学習も行った。
論文 参考訳（メタデータ） (2022-04-01T23:48:26Z) - 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) - Analyzing the Habitable Zones of Circumbinary Planets Using Machine
Learning [0.0]
本研究では、惑星軌道と動的に誘導される居住可能な領域に基づいて、周辺惑星の居住可能なゾーンについて検討する。
その結果、2連星の質量比と軌道偏心性は、惑星系の軌道安定性と居住性に影響を与える重要な要因であることが示唆された。
我々はこれらの惑星系を迅速かつ効率的に分類するために機械学習モデルを訓練する。
論文 参考訳（メタデータ） (2021-09-17T19:36:12Z) - Towards Robust Monocular Visual Odometry for Flying Robots on Planetary
Missions [49.79068659889639]
火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。
高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。
また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-12T12:52:20Z) - Geometric Entropic Exploration [52.67987687712534]
離散領域と連続領域の両方における状態ビジットの幾何認識シャノンエントロピーを最大化する新しいアルゴリズムを導入する。
私たちの重要な理論的貢献は、単純で新しいノイズコントラストの客観的関数を最適化する牽引可能な問題としてジオメトリ認識MSVE探索を鋳造することです。
実験では,他の深部RL探査手法と比較して,疎度な報酬を伴う複数のRL問題の解法におけるGEMの効率性を示した。
論文 参考訳（メタデータ） (2021-01-06T14:15:07Z) - Planet cartography with neural learned regularization [0.0]
惑星の手続き的生成に基づく地球外惑星のマッピング手法を提案する。
また、雲状惑星における表面の回復と永続的な雲の存在のマッピングも検討している。
これは、活動的な気候システムを検出するために太陽系外惑星で実施できる最初のテストとなる。
論文 参考訳（メタデータ） (2020-12-08T14:57:33Z) - Latent World Models For Intrinsically Motivated Exploration [140.21871701134626]
画像に基づく観察のための自己教師付き表現学習法を提案する。
我々は、部分的に観測可能な環境の探索を導くために、エピソードおよび寿命の不確実性を考慮する。
論文 参考訳（メタデータ） (2020-10-05T19:47:04Z)
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。