論文の概要: A Novel Sector-Based Algorithm for an Optimized Star-Galaxy Classification
- arxiv url: http://arxiv.org/abs/2404.01049v1
- Date: Mon, 1 Apr 2024 11:08:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-03 22:47:02.540201
- Title: A Novel Sector-Based Algorithm for an Optimized Star-Galaxy Classification
- Title(参考訳): 最適化スターギャラクシー分類のための新しいセクタベースアルゴリズム
- Authors: Anumanchi Agastya Sai Ram Likhit, Divyansh Tripathi, Akshay Agarwal,
- Abstract要約: 本稿では,最新のSloan Digital Sky Surveyデータ(SDSS-DR18)を活用した,新しいセクターによる星座分類手法を提案する。
SDSS観測パターンに沿ったセクターに戦略的に天空を分割することにより、恒星銀河分類の最先端のパフォーマンスを達成する。
- 参考スコア(独自算出の注目度): 6.973725096278914
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a novel sector-based methodology for star-galaxy classification, leveraging the latest Sloan Digital Sky Survey data (SDSS-DR18). By strategically segmenting the sky into sectors aligned with SDSS observational patterns and employing a dedicated convolutional neural network (CNN), we achieve state-of-the-art performance for star galaxy classification. Our preliminary results demonstrate a promising pathway for efficient and precise astronomical analysis, especially in real-time observational settings.
- Abstract(参考訳): 本稿では,最新のSloan Digital Sky Surveyデータ(SDSS-DR18)を活用して,新しいセクターベースの星座分類手法を提案する。
SDSS観測パターンに整合したセクターに空を戦略的に分割し、専用の畳み込みニューラルネットワーク(CNN)を用いることで、恒星銀河分類の最先端のパフォーマンスを実現する。
予備的な結果は、特にリアルタイムな観測環境において、効率的かつ正確な天文学的分析のための有望な経路を示すものである。
関連論文リスト
- Detection and Segmentation of Cosmic Objects Based on Adaptive
Thresholding and Back Propagation Neural Network [0.0]
本稿では,適応閾値法(ATM)に基づくセグメンテーションと,BPNNに基づく宇宙物体検出を提案する。
本稿では、ATMとBPNNを用いて天体の分類と検出を行う方法について述べる。
論文 参考訳(メタデータ) (2023-08-02T04:02:46Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳(メタデータ) (2022-11-28T00:31:02Z) - O-type Stars Stellar Parameter Estimation Using Recurrent Neural
Networks [0.0]
これまでの研究では、恒星モデルに適合する信頼性の高い方法を確立するために、機械学習とディープラーニングのアルゴリズムのセットを比較した。
本稿では,ニューラルネットワークの観点から,個々の物理パラメータを推定する方法について述べる。
3つの異なるリカレントニューラルネットワークシステムの開発、恒星スペクトルモデルを用いたトレーニングプロセス、9つの異なる観測された恒星スペクトルに対するテスト、および過去の研究における推定との比較について述べる。
論文 参考訳(メタデータ) (2022-10-23T17:18:52Z) - 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) - Improving Astronomical Time-series Classification via Data Augmentation
with Generative Adversarial Networks [1.2891210250935146]
本稿では,GAN(Generative Adrial Networks)に基づくデータ拡張手法を提案する。
変動星の分類精度は、合成データによるトレーニングや実データによるテストで著しく向上する。
論文 参考訳(メタデータ) (2022-05-13T16:39:54Z) - The Preliminary Results on Analysis of TAIGA-IACT Images Using
Convolutional Neural Networks [68.8204255655161]
本研究の目的は,AIGA-IACTに設定された課題を解決するための機械学習アプリケーションの可能性を検討することである。
The method of Convolutional Neural Networks (CNN) was applied to process and analysis Monte-Carlo eventssimulated with CORSIKA。
論文 参考訳(メタデータ) (2021-12-19T15:17:20Z) - Structure-Aware Feature Generation for Zero-Shot Learning [108.76968151682621]
潜在空間と生成ネットワークの両方を学習する際の位相構造を考慮し,SA-GANと呼ばれる新しい構造認識特徴生成手法を提案する。
本手法は,未確認クラスの一般化能力を大幅に向上させ,分類性能を向上させる。
論文 参考訳(メタデータ) (2021-08-16T11:52:08Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳(メタデータ) (2021-04-19T14:43:07Z) - Variational Inference for Deblending Crowded Starfields [0.8471366736328809]
本稿では,混み合った星場の天体画像のソースを損なうベイズ的手法であるStarNetを提案する。
M2球状星団のSDSS画像を用いた実験では、スターネットは2つの競合する手法よりもかなり精度が高い。
論文 参考訳(メタデータ) (2021-02-04T04:36:58Z) - StarcNet: Machine Learning for Star Cluster Identification [21.804465402347027]
StarcNetは畳み込みニューラルネットワーク(CNN)であり、LEGUS銀河の画像における星団分類の精度は68.6%(4クラス)/86.0%(2クラス:クラスター/クラスター)で、人間の専門家のパフォーマンスとほぼ一致する。
我々は、トレーニングセットに含まれない銀河に事前訓練されたcnnモデルを適用することで、starcnetの性能をテストする。
恒星団の光度、色、物理的特性は、ヒトおよびml分類標本に類似している。
論文 参考訳(メタデータ) (2020-12-16T23:58:01Z) - On the spatial attention in Spatio-Temporal Graph Convolutional Networks
for skeleton-based human action recognition [97.14064057840089]
カルチャーネットワーク(GCN)は、スケルトンをグラフとしてモデル化することで、スケルトンに基づく人間の行動認識の性能を約束する。
最近提案されたG時間に基づく手法のほとんどは、ネットワークの各層におけるグラフ構造を学習することで、性能を向上させる。
論文 参考訳(メタデータ) (2020-11-07T19:03:04Z)
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。