論文の概要: Uncertainty-Aware Blob Detection with an Application to Integrated-Light Stellar Population Recoveries

• arxiv url: http://arxiv.org/abs/2208.05881v1
• Date: Thu, 11 Aug 2022 15:34:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-12 13:48:02.566708
• Title: Uncertainty-Aware Blob Detection with an Application to Integrated-Light Stellar Population Recoveries
• Title（参考訳）: 不確かさを検知するブロブ検出と統合型光星群リカバリへの応用
• Authors: Prashin Jethwa, Fabian Parzer, Otmar Scherzer, Glenn van de Ven
• Abstract要約: ULoGと呼ばれるブロブ検出のための古典的なラプラシア・オブ・ガウス法の不確実性対応バージョンを開発した。 我々は、ULoGを推定されたM54年齢/金属量分布に適用し、その恒星の2つから3つの有意な個体群を同定した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context. Blob detection is a common problem in astronomy. One example is in stellar population modelling, where the distribution of stellar ages and metallicities in a galaxy is inferred from observations. In this context, blobs may correspond to stars born in-situ versus those accreted from satellites, and the task of blob detection is to disentangle these components. A difficulty arises when the distributions come with significant uncertainties, as is the case for stellar population recoveries inferred from modelling spectra of unresolved stellar systems. There is currently no satisfactory method for blob detection with uncertainties. Aims. We introduce a method for uncertainty-aware blob detection developed in the context of stellar population modelling of integrated-light spectra of stellar systems. Methods. We develop theory and computational tools for an uncertainty-aware version of the classic Laplacian-of-Gaussians method for blob detection, which we call ULoG. This identifies significant blobs considering a variety of scales. As a prerequisite to apply ULoG to stellar population modelling, we introduce a method for efficient computation of uncertainties for spectral modelling. This method is based on the truncated Singular Value Decomposition and Markov Chain Monte Carlo sampling (SVD-MCMC). Results. We apply the methods to data of the star cluster M54. We show that the SVD-MCMC inferences match those from standard MCMC, but are a factor 5-10 faster to compute. We apply ULoG to the inferred M54 age/metallicity distributions, identifying between 2 or 3 significant, distinct populations amongst its stars.
• Abstract（参考訳）: コンテキスト。 ブロブ検出は天文学において一般的な問題である。 例えば、恒星の人口モデリングでは、銀河内の恒星の年齢と金属量の分布が観測によって推測される。 この文脈では、ブロブは衛星から降着した星と対等に生まれた恒星に対応し、ブロブ検出の任務はこれらの成分を分離することである。 分布にかなりの不確実性が伴うと、未解決の恒星系のモデリングスペクトルから推定される恒星集団の回復が困難になる。 現在、不確実性のあるブロブ検出には満足のいく方法がない。 狙いだ 本稿では,恒星系統合光スペクトルの恒星集団モデリングにおける不確実性を考慮したブロブ検出手法を提案する。 メソッド。 ブロブ検出のための古典的ラプラシアン・オブ・ガウシアン法(ulog)の不確かさを認識できるための理論と計算ツールを開発した。 これは様々なスケールを考慮した重要なブロブを識別する。 星団モデリングにULoGを適用するための前提条件として,スペクトルモデリングにおける不確かさの効率的な計算法を提案する。 本手法は, 切り離された特異値分解とマルコフ連鎖モンテカルロサンプリング(SVD-MCMC)に基づく。 結果だ この手法を星団M54のデータに適用する。 SVD-MCMC推論は標準MCMCと一致するが,計算速度は5～10倍であることを示す。 我々は、ULoGを推定されたM54年齢/金属量分布に適用し、その恒星の2〜3つの有意な集団を同定した。

関連論文リスト

• A Novel Application of Conditional Normalizing Flows: Stellar Age Inference with Gyrochronology [0.0]
  データ駆動型アプローチは、他の標準手法に匹敵する精度でジャイロロノロジー年代を制約できることを示す。 この研究は、ジャイロロノロジー星年代測定の適用性を拡大する確率論的データ駆動解の可能性を示す。
  論文  参考訳（メタデータ） (2023-07-17T18:00:19Z)
• Monte Carlo Neural PDE Solver for Learning PDEs via Probabilistic Representation [59.45669299295436]
  教師なしニューラルソルバのトレーニングのためのモンテカルロPDEソルバを提案する。 我々は、マクロ現象をランダム粒子のアンサンブルとみなすPDEの確率的表現を用いる。 対流拡散, アレン・カーン, ナヴィエ・ストークス方程式に関する実験により, 精度と効率が著しく向上した。
  論文  参考訳（メタデータ） (2023-02-10T08:05:19Z)
• 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)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Detection of extragalactic Ultra-Compact Dwarfs and Globular Clusters using Explainable AI techniques [1.3764085113103222]
  銀河を取り巻く超コンパクト小星(UCD)や球状星団(GC)のような小さな恒星系は、これらの銀河を形成する融合現象のトレーサーとして知られている。 ここでは、Fornax銀河団のマルチ波長イメージングデータを用いて、これらの物体を前景の星や背景銀河から6個のフィルターで分離する機械学習モデルを訓練する。 精度と93%のリコールでUDD/GCを識別でき、各特徴量%(色と角の大きさ)の重要性を反映した関連性を提供します。
  論文  参考訳（メタデータ） (2022-01-05T13:37:55Z)
• A neural simulation-based inference approach for characterizing the Galactic Center $\gamma$-ray excess [9.101294179203794]
  Fermi gamma-ray Galactic Center Excess(GCE)は10年以上も謎のままだ。 我々は、シミュレーションに基づく推論の分野における最近の進歩を利用して、モデル化されたコンポーネントのGCEへの貢献を特徴づける。
  論文  参考訳（メタデータ） (2021-10-13T18:00:00Z)
• Determination of the critical exponents in dissipative phase transitions: Coherent anomaly approach [51.819912248960804]
  オープン量子多体系の定常状態に存在する相転移の臨界指数を抽出するコヒーレント異常法の一般化を提案する。
  論文  参考訳（メタデータ） (2021-03-12T13:16:18Z)
• Variational Inference for Deblending Crowded Starfields [0.8471366736328809]
  本稿では,混み合った星場の天体画像のソースを損なうベイズ的手法であるStarNetを提案する。 M2球状星団のSDSS画像を用いた実験では、スターネットは2つの競合する手法よりもかなり精度が高い。
  論文  参考訳（メタデータ） (2021-02-04T04:36:58Z)
• Sampling in Combinatorial Spaces with SurVAE Flow Augmented MCMC [83.48593305367523]
  ハイブリッドモンテカルロ(Hybrid Monte Carlo)は、複素連続分布からサンプリングする強力なマルコフ連鎖モンテカルロ法である。 本稿では,SurVAEフローを用いたモンテカルロ法の拡張に基づく新しい手法を提案する。 本稿では,統計学,計算物理学,機械学習など,様々な分野におけるアルゴリズムの有効性を実証し,代替アルゴリズムと比較した改良点を考察する。
  論文  参考訳（メタデータ） (2021-02-04T02:21:08Z)
• Quasar Detection using Linear Support Vector Machine with Learning From Mistakes Methodology [0.0]
  超大質量ブラックホールが光の降着円盤に囲まれている非常に明るい物体であるクエーサーを検出するために、LSVM(Linear Support Vector Machine)を探索した。 LSVMとEnsemble Bagged Trees (EBT)はFalse Negative Rateの10倍の低下を示した。
  論文  参考訳（メタデータ） (2020-10-01T13:41:51Z)
• Manifolds for Unsupervised Visual Anomaly Detection [79.22051549519989]
  トレーニングで必ずしも異常に遭遇しない教師なしの学習方法は、非常に有用です。 ジャイロプレーン層を用いた立体投影による超球形変分オートエンコーダ(VAE)を開発した。 工業用AIシナリオにおける実世界の実用性を実証し、精密製造および検査における視覚異常ベンチマークの最先端結果を示す。
  論文  参考訳（メタデータ） (2020-06-19T20:41:58Z)

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。