論文の概要: Supernova Light Curves Approximation based on Neural Network Models
- arxiv url: http://arxiv.org/abs/2206.13306v1
- Date: Mon, 27 Jun 2022 13:46:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 16:42:20.630403
- Title: Supernova Light Curves Approximation based on Neural Network Models
- Title（参考訳）: ニューラルネットワークモデルに基づく超新星光曲線近似
- Authors: Mariia Demianenko, Ekaterina Samorodova, Mikhail Sysak, Aleksandr
Shiriaev, Konstantin Malanchev, Denis Derkach, Mikhail Hushchyn
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 53.180678723280145
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photometric data-driven classification of supernovae becomes a challenge due
to the appearance of real-time processing of big data in astronomy. Recent
studies have demonstrated the superior quality of solutions based on various
machine learning models. These models learn to classify supernova types using
their light curves as inputs. Preprocessing these curves is a crucial step that
significantly affects the final quality. In this talk, we study the application
of multilayer perceptron (MLP), bayesian neural network (BNN), and normalizing
flows (NF) to approximate observations for a single light curve. We use these
approximations as inputs for supernovae classification models and demonstrate
that the proposed methods outperform the state-of-the-art based on Gaussian
processes applying to the Zwicky Transient Facility Bright Transient Survey
light curves. MLP demonstrates similar quality as Gaussian processes and speed
increase. Normalizing Flows exceeds Gaussian processes in terms of
approximation quality as well.
- Abstract（参考訳）: 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ソリューションの品質が向上している。
これらのモデルは、光曲線を入力として超新星型を分類することを学ぶ。
これらの曲線の前処理は最終品質に大きな影響を及ぼす重要なステップである。
本稿では,多層パーセプトロン(MLP),ベイズ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する。
我々はこれらの近似を超新星分類モデルの入力として使用し、Zwicky Transient Facility Bright Transient Survey光曲線に適用したガウス過程に基づいて提案手法が最先端の手法より優れていることを示す。
MLPはガウスのプロセスやスピードアップと似ている。
正規化フローは近似品質の観点からもガウス過程を超える。
関連論文リスト
- Deep Learning and LLM-based Methods Applied to Stellar Lightcurve Classification [7.592813175419603]
本稿では,変光度曲線の自動分類のための深層学習・大規模言語モデル(LLM)の総合評価を行う。
特にCepheids, RR Lyrae, and eclipsing binariesに重点を置いて, 観測周期と位相分布が分類精度に及ぼす影響について検討した。
LLM, マルチモーダル大言語モデル(MLLM), 大規模音声言語モデル(LALM)の3モデルからなる革新的なシリーズであるStarWhisper LightCurve (LC)を発表した。
論文 参考訳（メタデータ） (2024-04-16T17:35:25Z) - Model-Based Reparameterization Policy Gradient Methods: Theory and
Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。
近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。
本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文 参考訳（メタデータ） (2023-10-30T18:43:21Z) - GAFlow: Incorporating Gaussian Attention into Optical Flow [62.646389181507764]
我々はガウス的注意(GA)を光学フローモデルに押し込み、表現学習中に局所特性をアクセントする。
本稿では,既存の Transformer ブロックに簡単に接続可能な新しい Gaussian-Constrained Layer (GCL) を提案する。
動作解析のための新しいガウス誘導注意モジュール(GGAM)を提供する。
論文 参考訳（メタデータ） (2023-09-28T07:46:01Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Understanding of the properties of neural network approaches for
transient light curve approximations [37.91290708320157]
本稿では,観測光曲線を時間と波長で近似する最良性能法を提案する。
テストデータセットには、PLAsTiCCと実際のZwicky Transient Facility Bright Transient Survey光曲線のシミュレーションが含まれている。
論文 参考訳（メタデータ） (2022-09-15T18:00:08Z) - Light curve completion and forecasting using fast and scalable Gaussian
processes (MuyGPs) [0.0]
商用オフザシェルフ(COTS)カメラによる地上観測は、高精度の機器に比べて安価である。
ノイズの多い観測と組み合わされたセンサの可用性は、ギャップの多い時系列データを生成することができる。
ディープニューラルネットワーク(DNN)は、複雑な非線形埋め込みを学習する経験的成功によって、選択のツールとなっている。
論文 参考訳（メタデータ） (2022-08-31T01:52:00Z) - A Convolutional Neural Network Approach to Supernova Time-Series
Classification [0.0]
高速超新星時系列分類のための畳み込みニューラルネットワーク手法を提案する。
たった2晩のデータで60%の精度で6つのSNタイプと98%の正確さを振り返って区別することができます。
論文 参考訳（メタデータ） (2022-07-19T17:55:22Z) - Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with
Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。
従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
論文 参考訳（メタデータ） (2022-07-07T17:55:26Z) - Local Random Feature Approximations of the Gaussian Kernel [14.230653042112834]
本稿では,一般的なガウスカーネルと,ランダムな特徴近似を用いてカーネルベースモデルを線形化する手法に着目する。
このような手法は、高周波データをモデル化する際、悪い結果をもたらすことを示すとともに、カーネル近似と下流性能を大幅に改善する新たなローカライズ手法を提案する。
論文 参考訳（メタデータ） (2022-04-12T09:52:36Z) - 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。