論文の概要: Understanding of the properties of neural network approaches for
transient light curve approximations
- arxiv url: http://arxiv.org/abs/2209.07542v2
- Date: Sat, 16 Sep 2023 18:35:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 01:30:25.968136
- Title: Understanding of the properties of neural network approaches for
transient light curve approximations
- Title（参考訳）: 過渡光曲線近似のためのニューラルネットワークアプローチの特性の理解
- Authors: Mariia Demianenko, Konstantin Malanchev, Ekaterina Samorodova, Mikhail
Sysak, Aleksandr Shiriaev, Denis Derkach, Mikhail Hushchyn
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 37.91290708320157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern-day time-domain photometric surveys collect a lot of observations of
various astronomical objects and the coming era of large-scale surveys will
provide even more information on their properties. Spectroscopic follow-ups are
especially crucial for transients such as supernovae and most of these objects
have not been subject to such studies. }{Flux time series are actively used as
an affordable alternative for photometric classification and characterization,
for instance, peak identifications and luminosity decline estimations. However,
the collected time series are multidimensional and irregularly sampled, while
also containing outliers and without any well-defined systematic uncertainties.
This paper presents a search for the best-performing methods to approximate the
observed light curves over time and wavelength for the purpose of generating
time series with regular time steps in each passband.}{We examined several
light curve approximation methods based on neural networks such as multilayer
perceptrons, Bayesian neural networks, and normalizing flows to approximate
observations of a single light curve. Test datasets include simulated PLAsTiCC
and real Zwicky Transient Facility Bright Transient Survey light curves of
transients.}{The tests demonstrate that even just a few observations are enough
to fit the networks and improve the quality of approximation, compared to
state-of-the-art models. The methods described in this work have a low
computational complexity and are significantly faster than Gaussian processes.
Additionally, we analyzed the performance of the approximation techniques from
the perspective of further peak identification and transients classification.
The study results have been released in an open and user-friendly Fulu Python
library available on GitHub for the scientific community.
- Abstract（参考訳）: 現代の時間領域測光調査は様々な天体の多くの観測を収集し、大規模調査の次の時代は、その性質についてさらに多くの情報を提供するだろう。
分光追跡は超新星のようなトランジェントにとって特に重要であり、これらの天体のほとんどはそのような研究の対象にはなっていない。
}{Flux 時系列は、例えばピーク識別や光度減少推定など、光度分類やキャラクタリゼーションの安価な代替手段として積極的に利用されている。
しかし、収集された時系列は多次元かつ不規則にサンプリングされ、また外れ値も含んでいて、明確に定義された系統的不確実性はない。
本稿では,各パスバンドに周期的な時間ステップを持つ時系列を生成するために,観測光曲線を時間と波長で近似する最良性能の手法を探索する。
本研究では,多層パーセプトロン,ベイズ型ニューラルネットワーク,正規化流などのニューラルネットワークに基づく光曲線近似法を検討し,単一光曲線の近似観測を行った。
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。
このテストは、ほんの少しでもネットワークにフィットし、最先端のモデルと比べて近似の質を向上させるのに十分であることを示した。
この研究で記述された手法は計算複雑性が低く、ガウス過程よりもかなり高速である。
さらに,さらなるピーク同定と過渡的分類の観点から近似手法の性能を解析した。
研究結果は、科学コミュニティのためにGitHubで利用可能な、オープンでユーザフレンドリなFlu Pythonライブラリでリリースされた。
関連論文リスト
- Graph Spatiotemporal Process for Multivariate Time Series Anomaly
Detection with Missing Values [67.76168547245237]
本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。
実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
論文 参考訳（メタデータ） (2024-01-11T10:10:16Z) - Correlation-aware Spatial-Temporal Graph Learning for Multivariate
Time-series Anomaly Detection [67.60791405198063]
時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。
CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。
新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
論文 参考訳（メタデータ） (2023-07-17T11:04:27Z) - A Bootstrap Algorithm for Fast Supervised Learning [0.0]
ニューラルネットワーク(NN)のトレーニングは通常、勾配降下(および勾配降下(SGD))、ADADELTA、ADAM、制限メモリアルゴリズムなど、ある種の曲線追従手法に依存する。
これらのアルゴリズムの収束は通常、高いレベルの精度を達成するために大量の観測にアクセスできることに依存しており、特定の種類の関数で、これらのアルゴリズムはキャッチするデータポイントの複数のエポックを取ることができる。
ここでは、収束速度が劇的に向上する可能性を秘めている別の手法を探求する: カーブフォローではなく、隠れた層を「疎結合」することなどに依存する。
論文 参考訳（メタデータ） (2023-05-04T18:28:18Z) - 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) - 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) - Time-Series Anomaly Detection with Implicit Neural Representation [0.38073142980733]
Inlicit Neural Representation-based Anomaly Detection (INRAD)を提案する。
入力に時間がかかり、その時点で対応する値を出力する単純な多層パーセプトロンを訓練する。
そして,その表現誤りを異常検出のための異常スコアとして利用する。
論文 参考訳（メタデータ） (2022-01-28T06:17:24Z) - 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) - Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
時系列データは、気候、経済、医療などいくつかの領域で広く使われている。
最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。
ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
論文 参考訳（メタデータ） (2021-10-11T13:46:28Z) - Meta-Learning for Koopman Spectral Analysis with Short Time-series [49.41640137945938]
既存の手法では、ニューラルネットワークのトレーニングに長い時間を要する。
本稿では,未知の短い時系列から埋め込み関数を推定するメタラーニング手法を提案する。
提案手法は,固有値推定と将来予測の観点から,よりよい性能を実現することを実験的に実証した。
論文 参考訳（メタデータ） (2021-02-09T07:19:19Z)
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。