論文の概要: Taxonomic analysis of asteroids with artificial neural networks
- arxiv url: http://arxiv.org/abs/2311.10954v1
- Date: Sat, 18 Nov 2023 03:27:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-22 13:05:25.687742
- Title: Taxonomic analysis of asteroids with artificial neural networks
- Title（参考訳）: 人工ニューラルネットワークによる小惑星の分類学的解析
- Authors: Nanping Luo, Xiaobin Wang, Shenghong Gu, Antti Penttil\"a, Karri
Muinonen, Yisi Liu
- Abstract要約: 近いうちに、中国宇宙望遠鏡(CSST)は、25マグと23マグよりも明るい大きさの小惑星に対して、複数の色と分光データを提供する予定である。
人工ニューラルネットワーク(ANN)を用いて小惑星分類の予備分類モデルを構築する。
SMASS IIスペクトルとBus-Binzel分類システムを用いて、5つのANNからなるANN分類ツールを構築した。
- 参考スコア（独自算出の注目度）: 7.274273862904249
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We study the surface composition of asteroids with visible and/or infrared
spectroscopy. For example, asteroid taxonomy is based on the spectral features
or multiple color indices in visible and near-infrared wavelengths. The
composition of asteroids gives key information to understand their origin and
evolution. However, we lack compositional information for faint asteroids due
to limits of ground-based observational instruments. In the near future, the
Chinese Space Survey telescope (CSST) will provide multiple colors and
spectroscopic data for asteroids of apparent magnitude brighter than 25 mag and
23 mag, respectively. For the aim of analysis of the CSST spectroscopic data,
we applied an algorithm using artificial neural networks (ANNs) to establish a
preliminary classification model for asteroid taxonomy according to the design
of the survey module of CSST. Using the SMASS II spectra and the Bus-Binzel
taxonomy system, our ANN classification tool composed of 5 individual ANNs is
constructed, and the accuracy of this classification system is higher than 92
%. As the first application of our ANN tool, 64 spectra of 42 asteroids
obtained in 2006 and 2007 by us with the 2.16-m telescope in the Xinglong
station (Observatory Code 327) of National Astronomical Observatory of China
are analyzed. The predicted labels of these spectra using our ANN tool are
found to be reasonable when compared to their known taxonomic labels.
Considering the accuracy and stability, our ANN tool can be applied to analyse
the CSST asteroid spectra in the future.
- Abstract（参考訳）: 可視および赤外線分光法による小惑星の表面組成について検討した。
例えば、小惑星分類学は可視波長と近赤外波長のスペクトル特徴や複数の色指数に基づいている。
小惑星の組成は、その起源と進化を理解するための重要な情報を与える。
しかし、地上観測機器の限界により、小惑星の組成情報が不足している。
近い将来、中国宇宙望遠鏡(CSST)は、25マグと23マグの明るさの小惑星に対して、複数の色と分光データを提供する予定である。
CSST 分光データの解析を目的として,人工ニューラルネットワーク (ANN) を用いて,CSST のサーベイモジュールの設計に基づいて,小惑星分類の予備分類モデルを確立するアルゴリズムを適用した。
SMASS IIスペクトルとBus-Binzel分類システムを用いて,5個のANNからなるANN分類ツールを構築し,その精度を92 %以上とした。
ANNツールの最初の応用として、2006年と2007年に中国国立天文台新長天文台の2.16m望遠鏡で得られた42個の小惑星の64個のスペクトルを分析した。
ANNツールを用いたこれらのスペクトルの予測ラベルは、既知の分類学的ラベルと比較すると妥当である。
精度と安定性を考慮すると,将来CSST小惑星スペクトルの分析にANNツールを応用できる。
関連論文リスト
- 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) - DBNets: A publicly available deep learning tool to measure the masses of
young planets in dusty protoplanetary discs [49.1574468325115]
我々は、原始惑星系円盤から埋め込まれたとされる惑星の質量を素早く推定するDBNetsを開発した。
アウト・オブ・ディストリビューション・データでツールを広範囲にテストしました。
DBNetはトレーニング範囲外において、特定のしきい値以上の不確実性を返す入力を強く識別することができる。
光学的に薄い状態において、約60deg以下の傾斜で観測された円盤にのみ確実に適用することができる。
論文 参考訳（メタデータ） (2024-02-19T19:00:09Z) - Unsupervised Machine Learning for the Classification of Astrophysical
X-ray Sources [44.99833362998488]
我々は、Chandra Source Catalogソースに確率的クラスを提供するための教師なし機械学習アプローチを開発した。
約14,507個の検出結果を含む8,756個の情報源を対象とした確率クラスのカタログを提供する。
分類対象物の特徴分布と確立された天体物理仮説との整合性について検討した。
論文 参考訳（メタデータ） (2024-01-22T18:42:31Z) - Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine
Learning for Anomaly Detection [1.8434042562191815]
我々は、異常検出のための機械学習(ML)技術の太陽系外惑星トランジットスペクトルへの応用を提唱する。
合成スペクトルの大規模公開データベース上での2つの一般的な異常検出手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-08-15T07:19:54Z) - Identification and Classification of Exoplanets Using Machine Learning
Techniques [0.0]
ケプラー宇宙望遠鏡とその拡張ミッションK2のデータに対する残差ネットワークを用いた太陽系外惑星の同定に関する既存の研究について検討する。
本研究の目的は、深層学習アルゴリズムが、あるケースにおけるデータ量の少ない外惑星の存在と、別のケースにおけるより広範なデータの存在を分類する上で、どのように役立つかを明らかにすることである。
論文 参考訳（メタデータ） (2023-05-16T16:51:07Z) - Deep-learning based measurement of planetary radial velocities in the
presence of stellar variability [70.4007464488724]
我々は、HARPS-N Sun-as-a-star Spectraの3年間の恒星RVジッタを低減するためにニューラルネットワークを使用する。
マルチラインCNNは、半振幅0.2m/s、50日間、振幅8.8%、周期0.7%の誤差で惑星を回復することができる。
論文 参考訳（メタデータ） (2023-04-10T18:33:36Z) - Neural network for determining an asteroid mineral composition from
reflectance spectra [4.282159812965446]
小惑星の化学組成と鉱物組成は、太陽系の形成と歴史を反映している。
本研究の目的は, 可視・近赤外スペクトルからケイ酸塩材料の鉱物・化学組成を抽出する, 高速で堅牢なニューラルネットワークベースの手法を開発することである。
論文 参考訳（メタデータ） (2022-10-03T15:14:05Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z) - Zero-phase angle asteroid taxonomy classification using unsupervised
machine learning algorithms [0.0]
我々は、位相角の変化の影響を受けない大きさに基づいて、小惑星の分類を新たに作成する。
我々はファジィC平均と呼ばれる教師なし機械学習アルゴリズムを用いて分類を行った。
V型小惑星候補15種をヴェスタ族領域外から同定した。
論文 参考訳（メタデータ） (2022-04-11T13:24:54Z) - Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet
Transmission Spectra [68.8204255655161]
我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。
スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。
主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
論文 参考訳（メタデータ） (2022-01-07T22:26:33Z) - Artificial Neural Network classification of asteroids in the M1:2
mean-motion resonance with Mars [0.0]
人工ニューラルネットワークを用いて、火星とM1:2の平均運動共鳴によって影響を受ける小惑星の軌道を同定する。
提案モデルでは, 小惑星共鳴画像の同定において, 85%以上の精度を達成できた。
遺伝的アルゴリズムを用いて最適化された教師付き機械学習手法を用いて、この地域の全ての多目的小惑星の軌道状態も予測した。
論文 参考訳（メタデータ） (2021-03-29T13:03:47Z)
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。