論文の概要: Spiral-Elliptical automated galaxy morphology classification from telescope images

• arxiv url: http://arxiv.org/abs/2310.07740v1
• Date: Tue, 10 Oct 2023 22:36:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-15 11:39:31.663701
• Title: Spiral-Elliptical automated galaxy morphology classification from telescope images
• Title（参考訳）: 望遠鏡画像からの渦状楕円型自動銀河形態分類
• Authors: Matthew J. Baumstark and Giuseppe Vinci
• Abstract要約: 我々は、望遠鏡の銀河画像から効率的に抽出できる2つの新しい銀河形態統計、降下平均と降下分散を開発した。 我々は,Sloan Digital Sky Surveyの銀河画像データを用いて,提案した画像統計の有効性能を実証した。
• 参考スコア（独自算出の注目度）: 0.40792653193642503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The classification of galaxy morphologies is an important step in the investigation of theories of hierarchical structure formation. While human expert visual classification remains quite effective and accurate, it cannot keep up with the massive influx of data from emerging sky surveys. A variety of approaches have been proposed to classify large numbers of galaxies; these approaches include crowdsourced visual classification, and automated and computational methods, such as machine learning methods based on designed morphology statistics and deep learning. In this work, we develop two novel galaxy morphology statistics, descent average and descent variance, which can be efficiently extracted from telescope galaxy images. We further propose simplified versions of the existing image statistics concentration, asymmetry, and clumpiness, which have been widely used in the literature of galaxy morphologies. We utilize the galaxy image data from the Sloan Digital Sky Survey to demonstrate the effective performance of our proposed image statistics at accurately detecting spiral and elliptical galaxies when used as features of a random forest classifier.
• Abstract（参考訳）: 銀河形態学の分類は、階層構造の形成の理論を研究する重要なステップである。 人間の視覚的分類は非常に効果的で正確だが、新興のスカイサーベイからの大量のデータに追随することはできない。 多数の銀河を分類する様々な手法が提案されており、これらにはクラウドソースによる視覚分類や、設計された形態学統計や深層学習に基づく機械学習手法などの自動計算手法が含まれる。 本研究では、望遠鏡銀河画像から効率的に抽出できる2つの新しい銀河形態統計(降下平均と降下分散)を開発した。 さらに,銀河形態学の文献で広く用いられている既存の画像統計量濃度,非対称性,不連続性の簡易版も提案する。 Sloan Digital Sky Surveyの銀河画像データを用いて、ランダムな森林分類器の特徴として、渦巻銀河と楕円銀河を正確に検出する画像統計の有効性能を実証した。

関連論文リスト

• Galaxy Classification: A machine learning approach for classifying shapes using numerical data [0.0]
  我々は,Galaxy Zooプロジェクトの数値データを用いて,銀河分類のための機械学習モデルを提案する。 我々のモデルは銀河の分類において高い精度を達成し、銀河の形成と進化の理解を著しく向上させる可能性を持っている。
  論文  参考訳（メタデータ） (2023-11-30T20:47:16Z)
• From Images to Features: Unbiased Morphology Classification via Variational Auto-Encoders and Domain Adaptation [0.8010192121024553]
  本稿では、変分オートエンコーダ(VAE)とドメイン適応(DA)の組み合わせを利用して、銀河画像の次元化のための新しいアプローチを提案する。 その結果,40次元潜伏変数は銀河画像のほとんどの形態的特徴を効果的に再現できることが示唆された。 我々は、DECLSとBASS+MzLSの重なり合うフットプリントにおける銀河を用いて、DAを介してVAEネットワークをチューニングすることで、我々のモデルをさらに強化する。
  論文  参考訳（メタデータ） (2023-03-15T13:54:11Z)
• 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)
• Inferring Structural Parameters of Low-Surface-Brightness-Galaxies with Uncertainty Quantification using Bayesian Neural Networks [70.80563014913676]
  ベイズニューラルネットワーク (BNN) を用いて, シミュレーションした低地表面明度銀河画像から, それらのパラメータの不確かさを推測できることを示す。 従来のプロファイル適合法と比較して、BNNを用いて得られた不確実性は等しく、よく校正され、パラメータの点推定は真の値に近いことを示す。
  論文  参考訳（メタデータ） (2022-07-07T17:55:26Z)
• Strong Lensing Source Reconstruction Using Continuous Neural Fields [3.604982738232833]
  本研究では、連続したニューラルネットワークを用いて、源銀河の複雑な形態を非パラメトリックに再構成する手法を提案する。 本研究では,高解像度レンズ画像を対象としたシミュレーションデータを用いた実験により,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-06-29T18:00:01Z)
• 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)
• Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
  距離ベース次元削減手法に周辺情報を組み込む手法を提案する。 画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
  論文  参考訳（メタデータ） (2022-02-18T13:17:43Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Morphological Classification of Galaxies in S-PLUS using an Ensemble of Convolutional Networks [0.0]
  我々は,Galaxy Zooプロジェクトの正確な視覚分類とemph Deep Learning手法を組み合わせる。 ニューラルネットワークモデルは、他の4つの畳み込みモデルのアンサンブルによって作成され、どの個人でも得られるものよりも、分類の精度が高い。
  論文  参考訳（メタデータ） (2021-07-05T21:51:19Z)
• 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)
• A catalog of broad morphology of Pan-STARRS galaxies based on deep learning [0.0]
  本稿では、銀河の自動的広帯域形態学アノテーションのためのデータ解析プロセスの設計と実装について述べる。 このプロセスはフィルタに基づいており、2段階の畳み込みニューラルネットワーク(CNN)分類が続く。 結果は、パンスターズ銀河のアノテーションとの比較により、精度を評価する。
  論文  参考訳（メタデータ） (2020-10-12T23:20:35Z)

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。