論文の概要: Light Curve Classification with DistClassiPy: a new distance-based classifier

• arxiv url: http://arxiv.org/abs/2403.12120v2
• Date: Thu, 25 Jul 2024 16:27:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-26 19:17:05.159362
• Title: Light Curve Classification with DistClassiPy: a new distance-based classifier
• Title（参考訳）: DistClassiPyを用いた光曲線分類:新しい距離ベース分類器
• Authors: Siddharth Chaini, Ashish Mahabal, Ajit Kembhavi, Federica B. Bianco,
• Abstract要約: 距離メートル法に基づく新しい分類器であるDistClassiPyを開発した。 可変星の光曲線を分類するためにDistClassiPyを使用し、異なるクラスの物体間の距離を比較する。 我々の分類器は最先端の性能に適合するが,計算能力は低く,解釈性も向上している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of synoptic sky surveys has ushered in an era of big data in time-domain astronomy, making data science and machine learning essential tools for studying celestial objects. While tree-based models (e.g. Random Forests) and deep learning models dominate the field, we explore the use of different distance metrics to aid in the classification of astrophysical objects. We developed DistClassiPy, a new distance metric based classifier. The direct use of distance metrics is unexplored in time-domain astronomy, but distance-based methods can help make classification more interpretable and decrease computational costs. In particular, we applied DistClassiPy to classify light curves of variable stars, comparing the distances between objects of different classes. Using 18 distance metrics on a catalog of 6,000 variable stars across 10 classes, we demonstrate classification and dimensionality reduction. Our classifier meets state-of-the-art performance but has lower computational requirements and improved interpretability. Additionally, DistClassiPy can be tailored to specific objects by identifying the most effective distance metric for that classification. To facilitate broader applications within and beyond astronomy, we have made DistClassiPy open-source and available at https://pypi.org/project/distclassipy/.
• Abstract（参考訳）: シントロピック・スカイサーベイの台頭は、時間領域天文学におけるビッグデータの時代に始まり、データ科学と機械学習が天体の研究に欠かせないツールとなった。 木に基づくモデル(例:ランダムフォレスト)とディープラーニングモデル(en:Deep Learning model)がこの分野を支配しているのに対し、天体の分類に異なる距離のメトリクスを用いることについて検討する。 距離メートル法に基づく新しい分類器であるDistClassiPyを開発した。 距離測定の直接的利用は時間領域天文学では探索されていないが、距離に基づく手法は分類をより解釈し、計算コストを減らすのに役立つ。 特に、可変星の光曲線を分類するためにDistClassiPyを適用し、異なるクラスの物体間の距離を比較した。 10クラスにまたがる6,000個の変光星のカタログ上で18距離の測定値を用いて、分類と次元の減少を実証した。 我々の分類器は最先端の性能に適合するが,計算能力は低く,解釈性も向上している。 さらに、DistClassiPyは、その分類に最も効果的な距離メートル法を特定することで、特定のオブジェクトに合わせることができる。 DistClassiPyをオープンソースにして、https://pypi.org/project/distclassipy/で公開しました。

関連論文リスト

• 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)
• DMODE: Differential Monocular Object Distance Estimation Module without Class Specific Information [8.552738832104101]
  単分子距離推定のためのクラス非依存手法であるDMODEを提案する。 DMODEは、カメラの動きと時間とともにその大きさの変動を融合させることで、物体の距離を推定する。 我々は,TrackRCNN と EagerMOT からの出力と接点境界ボックスアノテーションを用いて,KITTI MOTS データセット上でのモデルを評価する。
  論文  参考訳（メタデータ） (2022-10-23T02:06:56Z)
• Distance Learner: Incorporating Manifold Prior to Model Training [1.6752182911522522]
  本稿では,最新のDeep Neural Networks (DNN) において,多様体仮説を先行として組み込む新しい手法である距離学習器を提案する。 分類において、距離学習者は最も近い予測されたクラス多様体に対応するクラスを選択する。 本手法は, 対向ロバスト性(対向ロバスト性)の課題において評価し, 標準分類器を大きなマージンで上回るだけでなく, 最先端の対向訓練によって訓練された分類器と同等に性能を発揮することを示した。
  論文  参考訳（メタデータ） (2022-07-14T13:07:08Z)
• On Hyperbolic Embeddings in 2D Object Detection [76.12912000278322]
  双曲幾何学が対象分類空間の基盤構造に適合するかどうかを考察する。 2段階、キーポイントベース、トランスフォーマーベースオブジェクト検出アーキテクチャに双曲型分類器を組み込む。 分類空間の構造に現れる分類階級階層を観察し、分類誤差を低くし、全体的な対象検出性能を高める。
  論文  参考訳（メタデータ） (2022-03-15T16:43:40Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
  一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。 本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
  論文  参考訳（メタデータ） (2021-12-21T17:10:21Z)
• Automatic classification of eclipsing binary stars using deep learning methods [0.0]
  本稿では,深層学習を用いた楕円形星の自動分類に着目する。 我々の分類器は、二元星の光曲線を2つのクラスに分類するためのツールを提供する。 最高の性能の分類器は、双方向長短期記憶(LSTM)と1次元畳み込みニューラルネットワークを組み合わせることで、評価セットで98%の精度を達成した。
  論文  参考訳（メタデータ） (2021-08-03T17:28:03Z)
• Ranking the information content of distance measures [61.754016309475745]
  2つの異なる距離測度を用いて保持する相対的情報を評価する統計的テストを導入する。 これにより、候補者のプールから最も情報に富んだ距離を測定することができる。
  論文  参考訳（メタデータ） (2021-04-30T15:57:57Z)
• Quadric hypersurface intersection for manifold learning in feature space [52.83976795260532]
  適度な高次元と大きなデータセットに適した多様体学習技術。 この手法は、二次超曲面の交点という形で訓練データから学習される。 テスト時、この多様体は任意の新しい点に対する外れ値スコアを導入するのに使うことができる。
  論文  参考訳（メタデータ） (2021-02-11T18:52:08Z)

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。