論文の概要: Advances on the classification of radio image cubes
- arxiv url: http://arxiv.org/abs/2305.03435v1
- Date: Fri, 5 May 2023 11:15:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 14:21:28.678626
- Title: Advances on the classification of radio image cubes
- Title（参考訳）: ラジオ画像立方体の分類の進歩
- Authors: Steven Ndung'u, Trienko Grobler, Stefan J. Wijnholds, Dimka
Karastoyanova, George Azzopardi
- Abstract要約: 現代の電波望遠鏡は、Square Kilometre Array (SKA)のようなシステムのために、毎日エクサバイト規模のデータセットを生成する。
大量データセットは、発見につながる未知の、希少な天体物理学現象の源泉である。
近年、電波天文学における人工知能の利用に焦点を当てた科学出版物が急増している。
- 参考スコア（独自算出の注目度）: 4.443085464476228
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern radio telescopes will daily generate data sets on the scale of
exabytes for systems like the Square Kilometre Array (SKA). Massive data sets
are a source of unknown and rare astrophysical phenomena that lead to
discoveries. Nonetheless, this is only plausible with the exploitation of
intensive machine intelligence to complement human-aided and traditional
statistical techniques. Recently, there has been a surge in scientific
publications focusing on the use of artificial intelligence in radio astronomy,
addressing challenges such as source extraction, morphological classification,
and anomaly detection. This study presents a succinct, but comprehensive review
of the application of machine intelligence techniques on radio images with
emphasis on the morphological classification of radio galaxies. It aims to
present a detailed synthesis of the relevant papers summarizing the literature
based on data complexity, data pre-processing, and methodological novelty in
radio astronomy. The rapid advancement and application of computer intelligence
in radio astronomy has resulted in a revolution and a new paradigm shift in the
automation of daunting data processes. However, the optimal exploitation of
artificial intelligence in radio astronomy, calls for continued collaborative
efforts in the creation of annotated data sets. Additionally, in order to
quickly locate radio galaxies with similar or dissimilar physical
characteristics, it is necessary to index the identified radio sources.
Nonetheless, this issue has not been adequately addressed in the literature,
making it an open area for further study.
- Abstract（参考訳）: 現代の電波望遠鏡は、Square Kilometre Array (SKA)のようなシステムのために、毎日エクサバイト規模のデータセットを生成する。
巨大なデータセットは未知の天体物理現象の源であり、発見につながる。
それにもかかわらず、これは人間支援および伝統的な統計手法を補完する集中機械知能の活用によってのみ可能となる。
近年, 電波天文学における人工知能の利用に着目した科学出版物が急増しており, 情報源抽出, 形態分類, 異常検出などの課題に対処している。
本研究は, 電波画像へのマシンインテリジェンス技術の応用に関する簡潔かつ包括的考察であり, 電波銀河の形態的分類に重点を置いている。
本研究の目的は, 電波天文学におけるデータ複雑性, データ前処理, 方法論的新規性に基づいて, 文献を要約した詳細な論文の合成を行うことである。
電波天文学におけるコンピュータインテリジェンスの急速な進歩と応用は、急激なデータプロセスの自動化における革命と新たなパラダイムシフトをもたらした。
しかし、電波天文学における人工知能の最適活用は、注釈付きデータセットの作成における継続的な協力を求めるものである。
さらに、類似または異種な物理特性を持つ電波銀河を素早く発見するためには、特定された電波源をインデックス化する必要がある。
それにもかかわらず、この問題は文献に適切に取り扱われておらず、さらなる研究のためのオープンエリアとなっている。
関連論文リスト
- Radio U-Net: a convolutional neural network to detect diffuse radio sources in galaxy clusters and beyond [0.0]
拡散源の電波干渉画像は画像分割作業の課題を示す。
U-Netアーキテクチャに基づく完全畳み込みニューラルネットワークであるRadio U-Netを紹介する。
Radio U-Netは、ラジオサーベイで暗く拡張されたソースを検出するように設計されている。
論文 参考訳（メタデータ） (2024-08-20T14:03:21Z) - Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - Classification of compact radio sources in the Galactic plane with
supervised machine learning [0.0]
我々は、無線画像と赤外線画像の両方を入力として、ギャラクティック平面におけるコンパクトな電波源の分類に着目する。
この目的のために、我々は、異なる天文学クラスからなるコンパクトなソースの2万の画像をキュレートしたデータセットを作成しました。
実装されたツールと訓練されたモデルが公開され、将来の応用のために電波天文学コミュニティで利用可能になった。
論文 参考訳（メタデータ） (2024-02-23T09:47:42Z) - Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。
本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T05:01:28Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Multi-Class Deep SVDD: Anomaly Detection Approach in Astronomy with
Distinct Inlier Categories [46.34797489552547]
我々は,異なるデータ分布を持つ複数の不整合カテゴリを扱うために,MCDSVDD(Multi-class Deep Support Vector Data Description)を提案する。
MCDSVDDはニューラルネットワークを使用してデータをハイパースフィアにマッピングする。
以上の結果から, 異常源の検出にMDCSVDDが有効であることが示唆された。
論文 参考訳（メタデータ） (2023-08-09T15:10:53Z) - Radio astronomical images object detection and segmentation: A benchmark
on deep learning methods [5.058069142315917]
本研究では,電波干渉計による天体画像に適用した,最も肯定的な深層学習手法の性能について検討し,自動音源検出の課題を解決する。
目標は、予測性能と計算効率の観点から既存の技術の概要を、彼らの研究に機械学習を使いたいと考える天体物理学コミュニティの科学者に提供することである。
論文 参考訳（メタデータ） (2023-03-08T10:55:24Z) - 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) - Improving Astronomical Time-series Classification via Data Augmentation
with Generative Adversarial Networks [1.2891210250935146]
本稿では,GAN(Generative Adrial Networks)に基づくデータ拡張手法を提案する。
変動星の分類精度は、合成データによるトレーニングや実データによるテストで著しく向上する。
論文 参考訳（メタデータ） (2022-05-13T16:39:54Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - Intelligent Radio Signal Processing: A Survey [23.399432997982988]
本調査では、変調分類、信号検出、ビームフォーミング、チャネル推定を含む、無線物理層のための4つのインテリジェント信号処理トピックについて述べる。
必要な背景を提供するため、まず、機械学習、ディープラーニング、フェデレーション学習などのAI技術の概要を紹介する。
我々は、インテリジェント無線信号処理分野における多くの研究課題と今後の方向性を強調した。
論文 参考訳（メタデータ） (2020-08-19T05:06:31Z)
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。