論文の概要: Distinguishing a planetary transit from false positives: a
Transformer-based classification for planetary transit signals
- arxiv url: http://arxiv.org/abs/2304.14283v1
- Date: Thu, 27 Apr 2023 15:43:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 12:50:25.307983
- Title: Distinguishing a planetary transit from false positives: a
Transformer-based classification for planetary transit signals
- Title（参考訳）: 惑星通過を偽陽性から除去する:惑星通過信号のトランスフォーマーに基づく分類
- Authors: Helem Salinas, Karim Pichara, Rafael Brahm, Francisco P\'erez-Galarce,
Domingo Mery
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.2530415657791036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current space-based missions, such as the Transiting Exoplanet Survey
Satellite (TESS), provide a large database of light curves that must be
analysed efficiently and systematically. In recent years, deep learning (DL)
methods, particularly convolutional neural networks (CNN), have been used to
classify transit signals of candidate exoplanets automatically. However, CNNs
have some drawbacks; for example, they require many layers to capture
dependencies on sequential data, such as light curves, making the network so
large that it eventually becomes impractical. The self-attention mechanism is a
DL technique that attempts to mimic the action of selectively focusing on some
relevant things while ignoring others. Models, such as the Transformer
architecture, were recently proposed for sequential data with successful
results. Based on these successful models, we present a new architecture for
the automatic classification of transit signals. Our proposed architecture is
designed to capture the most significant features of a transit signal and
stellar parameters through the self-attention mechanism. In addition to model
prediction, we take advantage of attention map inspection, obtaining a more
interpretable DL approach. Thus, we can identify the relevance of each element
to differentiate a transit signal from false positives, simplifying the manual
examination of candidates. We show that our architecture achieves competitive
results concerning the CNNs applied for recognizing exoplanetary transit
signals in data from the TESS telescope. Based on these results, we demonstrate
that applying this state-of-the-art DL model to light curves can be a powerful
technique for transit signal detection while offering a level of
interpretability.
- Abstract（参考訳）: トランジット・エクソプラネット・サーベイ・サテライト(TESS)のような現在の宇宙ベースのミッションは、効率的にかつ体系的に分析しなければならない光曲線の大規模なデータベースを提供する。
近年、深層学習(DL)法、特に畳み込みニューラルネットワーク(CNN)は、候補外惑星のトランジット信号を自動分類するために用いられている。
しかし、cnnにはいくつかの欠点があり、例えば、光度曲線のようなシーケンシャルなデータへの依存性をキャプチャするために多くの層を必要とするため、ネットワークがあまりに大きくなり、最終的には非実用的になる。
自己注意機構はDL技法であり、他のものを無視しながら、関係するものに選択的に焦点を合わせる動作を模倣しようとするものである。
トランスフォーマーアーキテクチャなどのモデルは最近、結果が良好なシーケンシャルデータのために提案されている。
これらの成功モデルに基づき,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,自己保持機構を通じて,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。
モデル予測に加えて、より解釈可能なDLアプローチを得るため、アテンションマップ検査を利用する。
したがって、各要素が偽陽性信号と区別する関連性を見極め、候補者の手動検査を簡素化することができる。
その結果,tess望遠鏡のデータから惑星外トランジット信号の認識に適用されるcnnに関する競合結果が得られた。
これらの結果から,光曲線に対するこの最先端dlモデルの適用は,解釈可能性のレベルを提供しながら,通過信号検出の強力な手法となることを実証する。
関連論文リスト
- Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳（メタデータ） (2024-04-11T10:26:40Z) - Computing Transiting Exoplanet Parameters with 1D Convolutional Neural
Networks [0.0]
2つの1次元畳み込みニューラルネットワークモデルが提示される。
1つのモデルは完全な光曲線で動作し、軌道周期を推定する。
もう1つは位相折りたたみ光曲線を演算し、軌道の半主軸と惑星と恒星の半径比の正方形を推定する。
論文 参考訳（メタデータ） (2024-02-21T10:17:23Z) - Newell's theory based feature transformations for spatio-temporal
traffic prediction [0.0]
本稿では,交通流予測のための深層学習(DL)モデルのための交通流物理に基づく変換機能を提案する。
この変換は、Newellがターゲット位置におけるトラフィックフローの非混雑フィルタを組み込んだもので、モデルがシステムのより広範なダイナミクスを学習できるようにする。
私たちのフレームワークの重要な利点は、データが利用できない新しい場所に転送できることです。
論文 参考訳（メタデータ） (2023-07-12T06:31:43Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳（メタデータ） (2022-11-15T15:04:06Z) - Pyramid Transformer for Traffic Sign Detection [1.933681537640272]
本稿では,局所性を考慮した新しいピラミッドトランスを提案する。
具体的には、Mraamid Transformerには、複数の空間ピラミッド縮小層があり、入力画像をリッチなマルチスケールコンテキストでトークンに縮小して埋め込む。
実験はドイツ交通信号検出ベンチマーク(GTSDB)で実施された。
論文 参考訳（メタデータ） (2022-07-13T09:21:19Z) - Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling
and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。
異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。
出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文 参考訳（メタデータ） (2022-03-29T21:18:47Z) - Automatically detecting anomalous exoplanet transits [0.0]
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。
論文 参考訳（メタデータ） (2021-11-16T18:24:49Z) - On the benefits of robust models in modulation recognition [53.391095789289736]
畳み込み層を用いたディープニューラルネットワーク(DNN)は、通信における多くのタスクにおいて最先端である。
画像分類のような他の領域では、DNNは敵の摂動に弱いことが示されている。
最新モデルの堅牢性をテストするための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-27T19:58:06Z) - Identifying Planetary Transit Candidates in TESS Full-Frame Image Light
Curves via Convolutional Neural Networks [1.2583362454189522]
Transiting Exoplanet Survey Satelliteは、2年間の一次ミッションを通して、空の75%の恒星からの光を測定しました。
何百万ものTESS 30分のケイデンス光曲線は、通過する太陽系外惑星の探索で分析する。
本稿では,惑星通過信号の同定と偽陽性の除去を訓練する畳み込みニューラルネットワークを提案する。
我々は、我々のネットワークによって特定された181個の新しい惑星候補を提示する。
論文 参考訳（メタデータ） (2021-01-26T16:40:51Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Physical-Virtual Collaboration Modeling for Intra-and Inter-Station
Metro Ridership Prediction [116.66657468425645]
本研究では,複雑なライダーシップパターンをテーラー設計グラフから効果的に学習できる物理仮想協調グラフネットワーク(PVCGN)を提案する。
特に、物理グラフは、研究されたメトロシステムの現実的なトポロジーに基づいて直接構築される。
類似度グラフと相関グラフを仮想トポロジで構築し, 駅間交通流の類似度と相関関係を導出する。
論文 参考訳（メタデータ） (2020-01-14T16:47:54Z)
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。