論文の概要: Deep Attention-Based Supernovae Classification of Multi-Band
Light-Curves
- arxiv url: http://arxiv.org/abs/2201.08482v1
- Date: Thu, 20 Jan 2022 22:48:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-24 14:59:55.350379
- Title: Deep Attention-Based Supernovae Classification of Multi-Band
Light-Curves
- Title（参考訳）: マルチバンド光曲線の深い注意に基づく超新星分類
- Authors: \'Oscar Pimentel, Pablo A. Est\'evez, Francisco F\"orster
- Abstract要約: 超新星(SNe)は、他の変動事象のクラスと比較して、比較的珍しい天体である。
マルチバンド光曲線の処理は、非常に不規則なケイデンス、長時間のギャップ、欠落値、低数の観測のために難しい課題である。
SNの異なるマルチバンド光曲線を分類するために,TimeModAttn と呼ばれる深部アテンションモデルを提案する。
第二に、超新星パラメトリックモデル(SPM)に基づくSNマルチバンド光曲線の合成生成モデルを提案する。
- 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: In astronomical surveys, such as the Zwicky Transient Facility (ZTF),
supernovae (SNe) are relatively uncommon objects compared to other classes of
variable events. Along with this scarcity, the processing of multi-band
light-curves is a challenging task due to the highly irregular cadence, long
time gaps, missing-values, low number of observations, etc. These issues are
particularly detrimental for the analysis of transient events with SN-like
light-curves. In this work, we offer three main contributions. First, based on
temporal modulation and attention mechanisms, we propose a Deep Attention model
called TimeModAttn to classify multi-band light-curves of different SN types,
avoiding photometric or hand-crafted feature computations, missing-values
assumptions, and explicit imputation and interpolation methods. Second, we
propose a model for the synthetic generation of SN multi-band light-curves
based on the Supernova Parametric Model (SPM). This allows us to increase the
number of samples and the diversity of the cadence. The TimeModAttn model is
first pre-trained using synthetic light-curves in a semi-supervised learning
scheme. Then, a fine-tuning process is performed for domain adaptation. The
proposed TimeModAttn model outperformed a Random Forest classifier, increasing
the balanced-$F_1$score from $\approx.525$ to $\approx.596$. The TimeModAttn
model also outperformed other Deep Learning models, based on Recurrent Neural
Networks (RNNs), in two scenarios: late-classification and
early-classification. Finally, we conduct interpretability experiments. High
attention scores are obtained for observations earlier than and close to the SN
brightness peaks, which are supported by an early and highly expressive learned
temporal modulation.
- Abstract（参考訳）: ZTF (Zwicky Transient Facility) のような天文学的な調査では、超新星 (Supernovae, SNe) は変動事象の他のクラスと比べて比較的珍しい天体である。
この不足に加えて、多バンド光カーブの処理は、非常に不規則なケイデンス、長い時間的ギャップ、欠落値、観測回数の少なさなど、困難な課題である。
これらの問題はSNのような光曲線を持つ過渡事象の分析に特に有害である。
この作業では、主な貢献が3つあります。
まず、時間変調とアテンション機構に基づいて、異なるSNタイプのマルチバンド光曲線を分類し、光度や手作りの特徴計算、不足値の仮定、明示的な計算と補間法を避けるための、TimeModAttnと呼ばれるDeep Attentionモデルを提案する。
次に,超新星パラメトリックモデル(SPM)に基づくSNマルチバンド光曲線の合成生成モデルを提案する。
これにより、サンプルの数とケイデンスの多様性を増やすことができます。
TimeModAttnモデルは、半教師付き学習方式で合成光曲線を用いて事前訓練される。
そして、ドメイン適応のための微調整処理を行う。
提案されたTimeModAttnモデルはランダムフォレスト分類器よりも優れ、バランスの取れた$F_1$scoreを$\approx.525$から$\approx.596$に引き上げた。
TimeModAttnモデルは、リカレントニューラルネットワーク(RNN)に基づく他のディープラーニングモデルよりも、後期分類と早期分類の2つのシナリオでパフォーマンスが向上した。
最後に,解釈可能性実験を行う。
SN輝度ピークに近づいた観測では、早期かつ高度に表現力のある時間変調が支持されるため、高い注意スコアが得られた。
関連論文リスト
- Moirai-MoE: Empowering Time Series Foundation Models with Sparse Mixture of Experts [103.725112190618]
本稿では,単一入出力プロジェクション層を用いたMoirai-MoEを紹介するとともに,多種多様な時系列パターンのモデリングを専門家の疎結合に委ねる。
39のデータセットに対する大規模な実験は、既存の基盤モデルよりも、分配シナリオとゼロショットシナリオの両方において、Moirai-MoEの優位性を実証している。
論文 参考訳（メタデータ） (2024-10-14T13:01:11Z) - One More Step: A Versatile Plug-and-Play Module for Rectifying Diffusion
Schedule Flaws and Enhancing Low-Frequency Controls [77.42510898755037]
One More Step (OMS) は、推論中に単純だが効果的なステップを付加したコンパクトネットワークである。
OMSは画像の忠実度を高め、トレーニングと推論の二分法を調和させ、元のモデルパラメータを保存する。
トレーニングが完了すると、同じ潜在ドメインを持つ様々な事前訓練された拡散モデルが同じOMSモジュールを共有することができる。
論文 参考訳（メタデータ） (2023-11-27T12:02:42Z) - OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive
Learning [67.07363529640784]
提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。
我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。
リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
論文 参考訳（メタデータ） (2023-06-20T03:02:14Z) - Grasping Core Rules of Time Series through Pure Models [6.849905754473385]
PureTSは3つの純粋な線形層を持つネットワークであり、長いシーケンス予測タスクの80%で最先端を達成した。
本稿では, 純粋な線形層の可能性について考察する。
論文 参考訳（メタデータ） (2022-08-15T10:22:15Z) - Supernova Light Curves Approximation based on Neural Network Models [53.180678723280145]
光度データによる超新星の分類は、天文学におけるビッグデータのリアルタイム処理の出現によって課題となる。
近年の研究では、様々な機械学習モデルに基づく解の優れた品質が実証されている。
我々は,多層パーセプトロン(MLP),ベイジアンニューラルネットワーク(BNN),正規化フロー(NF)の単一光曲線観測への応用について検討した。
論文 参考訳（メタデータ） (2022-06-27T13:46:51Z) - TSEM: Temporally Weighted Spatiotemporal Explainable Neural Network for
Multivariate Time Series [0.0]
時系列深層学習におけるモデルに依存しない,モデル固有のアプローチを提案する。
TSEMは,多くの解釈可能性基準を満たすとともに,XCMよりも精度が高いことを示す。
論文 参考訳（メタデータ） (2022-05-25T18:54:25Z) - Real-time Detection of Anomalies in Multivariate Time Series of
Astronomical Data [0.0]
天文トランジェント(英: Astronomical transients)は、様々な時間スケールで一時的に明るくなる恒星天体である。
新しい天文学的なスカイサーベイは、かつてない数のマルチ波長のトランジェントを観測している。
本稿では, 高速かつ自動で異常な過渡光曲線をリアルタイムに検出することを目的とした2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2021-12-15T19:02:54Z) - Real-time detection of anomalies in large-scale transient surveys [0.0]
本稿では, 異常な過渡光曲線を自動的にリアルタイムに検出する2つの新しい手法を提案する。
どちらの手法も、既知のトランジェント集団からの光曲線を正確にモデル化できるなら、モデル予測からの偏差は、おそらく異常である、という単純な考え方に基づいている。
論文 参考訳（メタデータ） (2021-10-29T18:29:25Z) - ModeRNN: Harnessing Spatiotemporal Mode Collapse in Unsupervised
Predictive Learning [75.2748374360642]
そこで本研究では,繰り返し状態間の隠れ構造表現を学習するための新しい手法であるModeRNNを提案する。
データセット全体にわたって、異なるモードがスロットの混合に対して異なるレスポンスをもたらすため、ModeRNNが構造化された表現を構築する能力が向上する。
論文 参考訳（メタデータ） (2021-10-08T03:47:54Z) - Kernel and Rich Regimes in Overparametrized Models [69.40899443842443]
過度にパラメータ化された多層ネットワーク上の勾配勾配は、RKHSノルムではないリッチな暗黙バイアスを誘発できることを示す。
また、より複雑な行列分解モデルと多層非線形ネットワークに対して、この遷移を実証的に示す。
論文 参考訳（メタデータ） (2020-02-20T15:43:02Z)
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。