論文の概要: A deep learning framework for jointly extracting spectra and source-count distributions in astronomy

• arxiv url: http://arxiv.org/abs/2401.03336v1
• Date: Sat, 6 Jan 2024 23:45:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-09 19:11:57.889239
• Title: A deep learning framework for jointly extracting spectra and source-count distributions in astronomy
• Title（参考訳）: 天文学におけるスペクトルと源数分布を共同で抽出するディープラーニングフレームワーク
• Authors: Florian Wolf, Florian List, Nicholas L. Rodd, Oliver Hahn
• Abstract要約: 本稿では,異なる放射成分のスペクトルと点源集団のSCDを共同で再構成する枠組みを提案する。 概念実証の例では、シミュレーションされた地図から複雑な形状のスペクトルやSCDを正確に抽出できることが示されている。
• 参考スコア（独自算出の注目度）: 3.7277730514654555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Astronomical observations typically provide three-dimensional maps, encoding the distribution of the observed flux in (1) the two angles of the celestial sphere and (2) energy/frequency. An important task regarding such maps is to statistically characterize populations of point sources too dim to be individually detected. As the properties of a single dim source will be poorly constrained, instead one commonly studies the population as a whole, inferring a source-count distribution (SCD) that describes the number density of sources as a function of their brightness. Statistical and machine learning methods for recovering SCDs exist; however, they typically entirely neglect spectral information associated with the energy distribution of the flux. We present a deep learning framework able to jointly reconstruct the spectra of different emission components and the SCD of point-source populations. In a proof-of-concept example, we show that our method accurately extracts even complex-shaped spectra and SCDs from simulated maps.
• Abstract（参考訳）: 天文学的な観測は通常3次元の地図を提供し、観測されたフラックスの分布を(1)天球の2つの角度と(2)エネルギー/周波数で符号化する。 このような地図に関する重要な課題は、個別に検出できない点源の個体群を統計的に特徴付けることである。 単一のダイム源の性質は弱い制約を受けるため、その代わりに人口全体を一般に研究し、その輝度の関数としてソースの数密度を記述するソース数分布(source-count distribution, scd)を推測する。 SCDを復元するための統計的および機械学習手法は存在するが、通常はフラックスのエネルギー分布に関連するスペクトル情報を無視する。 本稿では,異なる放射成分のスペクトルと点源集団のSCDを協調的に再構成する深層学習フレームワークを提案する。 概念実証の例では,シミュレーションマップから複雑な形状のスペクトルやSCDを正確に抽出する。

関連論文リスト

• Intermediate spectral statistics of rational triangular quantum billiards [0.0]
  角が$pi$の有理倍数である三角形ビリヤードは、擬可積分モデルの最も単純な例の1つである。 我々は、8つの量子化された有理三角形のスペクトル統計学の広範な数値的研究を行う。
  論文  参考訳（メタデータ） (2024-05-09T14:03:31Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• Library transfer between distinct Laser-Induced Breakdown Spectroscopy systems with shared standards [0.0]
  新しいLIBSシステムの設定に伴うコストは、その広範なキャリブレーションを必要とするため、増大する。 本研究は,LIBS系が使用済み分光計と集光器でのみ異なるが,装置の他の全ての部分を共有するという課題の簡易化について検討する。 トランスファーは、可変オートエンコーダ(VAE)と完全に接続された人工ニューラルネットワーク(ANN)で構成されるパイプラインによって実現される。
  論文  参考訳（メタデータ） (2022-08-31T16:15:55Z)
• Tensor-based Multi-view Spectral Clustering via Shared Latent Space [14.470859959783995]
  MvSC(Multi-view Spectral Clustering)は多様なデータソースによって注目を集めている。 MvSCの新しい手法はRestricted Kernel Machineフレームワークから共有潜在空間を介して提案される。
  論文  参考訳（メタデータ） (2022-07-23T17:30:54Z)
• Time-inhomogeneous diffusion geometry and topology [69.55228523791897]
  拡散凝縮(英: Diffusion condensation)は、各ステップが最初に計算し、そのデータに拡散演算子を適用する時間不均質な過程である。 我々はこの過程の収束と進化を幾何学的、スペクトル的、位相的観点から理論的に分析する。 我々の研究は拡散凝縮の収束に関する理論的洞察を与え、トポロジカルデータ解析と幾何学的データ解析のリンクを提供することを示している。
  論文  参考訳（メタデータ） (2022-03-28T16:06:17Z)
• 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)
• Unsupervised Spectral Unmixing For Telluric Correction Using A Neural Network Autoencoder [58.720142291102135]
  本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
  論文  参考訳（メタデータ） (2021-11-17T12:54:48Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)
• Automatic source localization and spectra generation from sparse beamforming maps [7.444673919915048]
  本稿では,スパースビームフォーミングマップにおけるエアロ音響音源の自動識別を可能にする2つの手法を提案する。 この手法は2つのスケールドエアフレームの半模型風洞実験で評価された。
  論文  参考訳（メタデータ） (2020-12-16T16:15:49Z)
• Quantum particle across Grushin singularity [77.34726150561087]
  2つの半円柱を分離する特異点を横断する透過現象について検討する。 自由(ラプラス・ベルトラミ)量子ハミルトンの局所的な実現は、透過/反射の非等価なプロトコルとして検討される。 これにより、文献で以前に特定されたいわゆる「ブリッジング」送信プロトコルの区別された状態を理解することができる。
  論文  参考訳（メタデータ） (2020-11-27T12:53:23Z)
• Quantum Limited Superresolution of Extended Sources in One and Two Dimensions [0.0]
  本研究では、均一に明るい不整合線源の長さである円形画像開口を用いて、推定のための量子フィッシャー情報(QFI)を算出する。 ある種のベッセルフーリエ関数を用いて任意の輝度分布のソースを解析するためのアプローチを一般化する。
  論文  参考訳（メタデータ） (2020-08-23T02:47:54Z)

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。