論文の概要: Automatically detecting anomalous exoplanet transits

• arxiv url: http://arxiv.org/abs/2111.08679v1
• Date: Tue, 16 Nov 2021 18:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 14:05:03.509687
• Title: Automatically detecting anomalous exoplanet transits
• Title（参考訳）: 異常な外惑星輸送を自動的に検出する
• Authors: Christoph J. H\"ones, Benjamin Kurt Miller, Ana M. Heras, Bernard H. Foing
• Abstract要約: 本稿では,一対の変分オートエンコーダを用いて,メイントランジットと残差の遅延表現を推定するアーキテクチャを提案する。 得られた2つのデータを用いて, 異常なトランジット残差の潜在表現が, 生データよりも異常検出に顕著に有用であることを示す。 我々の研究は、異常な太陽系外惑星のトランジット曲線を自動的に同定する最初のものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Raw light curve data from exoplanet transits is too complex to naively apply traditional outlier detection methods. We propose an architecture which estimates a latent representation of both the main transit and residual deviations with a pair of variational autoencoders. We show, using two fabricated datasets, that our latent representations of anomalous transit residuals are significantly more amenable to outlier detection than raw data or the latent representation of a traditional variational autoencoder. We then apply our method to real exoplanet transit data. Our study is the first which automatically identifies anomalous exoplanet transit light curves. We additionally release three first-of-their-kind datasets to enable further research.
• Abstract（参考訳）: 太陽系外惑星のトランジットからの生の光線曲線データは複雑すぎて、従来の異常検出法を適用することはできない。 本稿では,一対の変分オートエンコーダを用いて,メイントランジットと残差の遅延表現を推定するアーキテクチャを提案する。 2つのデータセットを用いて、異常なトランジット残差の潜在表現は、生データや従来の変分オートエンコーダの潜在表現よりも、異常検出にかなり適していることを示す。 次に、実際の太陽系外惑星トランジットデータに適用する。 我々の研究は、異常な太陽系外惑星の遷移光曲線を自動的に同定する最初のものである。 さらに3つのファースト・オブ・ザ・キンドデータセットをリリースし、さらなる研究を可能にします。

関連論文リスト

• Enhancing Anomaly Detection via Generating Diversified and Hard-to-distinguish Synthetic Anomalies [7.021105583098609]
  近年のアプローチでは、通常のサンプルから合成異常を生成するためにドメイン固有の変換や摂動を活用することに重点を置いている。 そこで本研究では,条件付き摂動器と判別器を併用したドメインに依存しない新しい手法を提案する。 我々は,最先端のベンチマークよりも提案手法が優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-16T08:15:23Z)
• ARC: A Generalist Graph Anomaly Detector with In-Context Learning [62.202323209244]
  ARCは汎用的なGADアプローチであり、一対一のGADモデルで様々なグラフデータセットの異常を検出することができる。 ARCはコンテキスト内学習を備えており、ターゲットデータセットからデータセット固有のパターンを直接抽出することができる。 各種領域からの複数のベンチマークデータセットに対する大規模な実験は、ARCの優れた異常検出性能、効率、一般化性を示す。
  論文  参考訳（メタデータ） (2024-05-27T02:42:33Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Distinguishing a planetary transit from false positives: a Transformer-based classification for planetary transit signals [2.2530415657791036]
  交通信号の自動分類のための新しいアーキテクチャを提案する。 提案アーキテクチャは、トランジット信号と恒星パラメータの最も重要な特徴を捉えるように設計されている。 我々は,太陽系外惑星トランジット信号の認識に応用されたCNNに関する競合的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-04-27T15:43:25Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• AOT: Appearance Optimal Transport Based Identity Swapping for Forgery Detection [76.7063732501752]
  顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。 外観のギャップは主に、照明と肌の色における大きな相違から生じる。 実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
  論文  参考訳（メタデータ） (2020-11-05T06:17:04Z)
• Lessons Learned from the 1st ARIEL Machine Learning Challenge: Correcting Transiting Exoplanet Light Curves for Stellar Spots [10.01867867850419]
  本稿では,恒星点の存在下での遷移光曲線からの遷移深さの導出を完全に自動化する第一歩を探求する。 提案した手法と成果は、欧州宇宙機関(ESA)の次回のアリエルミッションのために組織された第1回機械学習チャレンジの文脈で得られた。
  論文  参考訳（メタデータ） (2020-10-29T23:56:25Z)

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。