論文の概要: Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys

• arxiv url: http://arxiv.org/abs/2308.03045v3
• Date: Fri, 18 Aug 2023 07:10:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-21 22:25:41.714912
• Title: Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys
• Title（参考訳）: 近代スカイサーベイデータにおけるL&Tブラウンドワーフ探索のための機械学習手法
• Authors: Aleksandra Avdeeva
• Abstract要約: ブラウン・ドワーフ(BD)は、銀河の全ての天体の25%を占めるべきである。 その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。 多くの試みが、その色を決定規則として使用して茶色の小星を探索し、生成する試みがなされている。
• 参考スコア（独自算出の注目度）: 67.17190225886465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: According to various estimates, brown dwarfs (BD) should account for up to 25 percent of all objects in the Galaxy. However, few of them are discovered and well-studied, both individually and as a population. Homogeneous and complete samples of brown dwarfs are needed for these kinds of studies. Due to their weakness, spectral studies of brown dwarfs are rather laborious. For this reason, creating a significant reliable sample of brown dwarfs, confirmed by spectroscopic observations, seems unattainable at the moment. Numerous attempts have been made to search for and create a set of brown dwarfs using their colours as a decision rule applied to a vast amount of survey data. In this work, we use machine learning methods such as Random Forest Classifier, XGBoost, SVM Classifier and TabNet on PanStarrs DR1, 2MASS and WISE data to distinguish L and T brown dwarfs from objects of other spectral and luminosity classes. The explanation of the models is discussed. We also compare our models with classical decision rules, proving their efficiency and relevance.
• Abstract（参考訳）: 様々な推定によれば、ブラウンドワーフ(bd)は銀河の全天体の最大25%を占めるはずである。 しかし、個体群と個体群の両方で発見・調査されているものは少ない。 ブラウンドワーフの均質で完全なサンプルは、この種の研究には必要である。 その弱さのため、ブラウン・ドワーフのスペクトル研究は比較的困難である。 そのため、分光観測で確認されたブラウン・ドワーフのかなりの信頼できるサンプルを作成することは、現時点では不可能である。 多数の調査データに適用された決定規則として、その色を用いて茶色の小星を探索し、生成する試みが数多くなされている。 本研究では,PanStarrs DR1,2MASS,WISEデータ上でのランダムフォレスト分類器,XGBoost,SVM分類器,TabNetなどの機械学習手法を用いて,LとTのブラウンドロームを他のスペクトルおよび光度クラスのオブジェクトと区別する。 モデルの説明について述べる。 また、我々のモデルを古典的な決定規則と比較し、その効率性と妥当性を証明する。

関連論文リスト

• Maven: A Multimodal Foundation Model for Supernova Science [40.20166238855543]
  超新星科学の最初の基盤モデルであるMavenを紹介します。 まず、0.5Mの合成超新星からの光度測定と分光を合わせるために、我々のモデルを事前訓練する。 そして、Zwicky Transient Facilityから観測された4,702個の超新星の模型を微調整した。
  論文  参考訳（メタデータ） (2024-08-29T18:00:05Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Machine learning-based identification of Gaia astrometric exoplanet orbits [0.0]
  第3次ガイアデータリリース(DR3)は、太陽の500pcの範囲内に位置する2体の天体の軌道解を$sim$170 000である。 この方法では、外惑星、ブラウンドワーフ、恒星、ブラックホールを含むいくつかのDR3二体系が確認されている。 我々は、外惑星とブラウンドワーフコンパニオンの最適候補を特定することを目的として、DR3軌道解のみを用いる機械学習アプローチを開発した。
  論文  参考訳（メタデータ） (2024-04-14T20:17:14Z)
• cecilia: A Machine Learning-Based Pipeline for Measuring Metal Abundances of Helium-rich Polluted White Dwarfs [0.0]
  Ceciliaは、中間温度の白色小星の金属量を測定するために設計された、機械学習を利用した初めてのスペクトルモデリングコードである。 Ceciliaは最先端の大気モデル、強力な人工知能ツール、堅牢な統計技術を組み合わせている。 セシリアのパフォーマンスは、太陽系外地球化学の大規模な研究を解き放つ可能性がある。
  論文  参考訳（メタデータ） (2024-02-07T19:00:02Z)
• MiniLLM: Knowledge Distillation of Large Language Models [112.93051247165089]
  知識蒸留(KD)は,大規模言語モデル(LLM)の高い計算要求を低減させる,有望な手法である。 より小さな言語モデルにLPMを蒸留するKD手法を提案する。 提案手法は,120Mから13Bのパラメータを持つ異なるモデルファミリに対してスケーラブルである。
  論文  参考訳（メタデータ） (2023-06-14T14:44:03Z)
• Intercomparison of Brown Dwarf Model Grids and Atmospheric Retrieval Using Machine Learning [0.0]
  本研究は, 以前に公表された14個のブラウンドロームのモデルグリッドの情報量について検討する。 ランダムフォレスト法により,これらのモデルグリッドの予測力を解析することができる。 我々は, 選択したモデルグリッドとは独立して, ブラウンドロームの有効温度を強く予測できることを見出した。
  論文  参考訳（メタデータ） (2023-05-12T18:20:38Z)
• Learning Discriminative Representations for Skeleton Based Action Recognition [49.45405879193866]
  本稿では,骨格の識別表現を得るために,補助機能改善ヘッド(FRヘッド)を提案する。 提案したモデルでは,最先端手法による競合結果が得られ,あいまいなサンプルの識別に役立てることができる。
  論文  参考訳（メタデータ） (2023-03-07T08:37:48Z)
• Square One Bias in NLP: Towards a Multi-Dimensional Exploration of the Research Manifold [88.83876819883653]
  我々は、最近のNLP研究論文のマニュアル分類を通して、これが事実であることを示す。 NLP研究は正方形ではなく、精度だけでなく、公平性や解釈可能性にも焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-20T13:04:23Z)
• 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)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)

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。