論文の概要: Determination of galaxy photometric redshifts using Conditional Generative Adversarial Networks (CGANs)

• arxiv url: http://arxiv.org/abs/2501.06532v1
• Date: Sat, 11 Jan 2025 12:42:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:21:58.475461
• Title: Determination of galaxy photometric redshifts using Conditional Generative Adversarial Networks (CGANs)
• Title（参考訳）: Conditional Generative Adversarial Networks (CGANs) による銀河の測光赤方偏移の測定
• Authors: M. Garcia-Fernandez,
• Abstract要約: CGAN(Conditional Generative Adversarial Networks)を用いた銀河の測光赤方偏移決定アルゴリズムを提案する。 提案されたCGAN実装は、確率回帰として光度赤方偏移決定にアプローチし、推定された銀河の赤方偏移の単一の値を決定する代わりに、完全な確率密度が計算される。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurate and reliable photometric redshifts determination is one of the key aspects for wide-field photometric surveys. Determination of photometric redshift for galaxies, has been traditionally solved by use of machine-learning and artificial intelligence techniques trained on a calibration sample of galaxies, where both photometry and spectrometry are determined. On this paper, we present a new algorithmic approach for determining photometric redshifts of galaxies using Conditional Generative Adversarial Networks (CGANs). Proposed CGAN implementation, approaches photometric redshift determination as a probabilistic regression, where instead of determining a single value for the estimated redshift of the galaxy, a full probability density is computed. The methodology proposed, is tested with data from Dark Energy Survey (DES) Y1 data and compared with other existing algorithm such as a Random Forest regressor.
• Abstract（参考訳）: 高精度で信頼性の高い測光赤方偏移決定は、広視野測光サーベイの鍵となる側面の1つである。 銀河の光度赤方偏移の判定は、伝統的に、光度と分光の両方が決定される銀河の校正サンプルに基づいて訓練された機械学習と人工知能技術を用いて解決されてきた。 本稿では,コンディショナル・ジェネレーティブ・アダクティブ・ネットワーク(CGAN)を用いて銀河の光度赤方偏移を決定するアルゴリズムを提案する。 提案されたCGAN実装は、確率回帰として光度赤方偏移決定にアプローチし、推定された銀河の赤方偏移の単一の値を決定する代わりに、完全な確率密度が計算される。 提案手法はダークエネルギーサーベイ(DES)Y1データから得られたデータを用いてテストされ、Random Forest Regressorなどの既存のアルゴリズムと比較される。

関連論文リスト

• CLAP. I. Resolving miscalibration for deep learning-based galaxy photometric redshift estimation [3.611102630303458]
  我々は、光赤方偏移(CLAP)のためのContrastive Learning and Adaptive KNNと呼ばれる新しい手法を開発した。 教師付きコントラスト学習(SCL)とk-アネレスト近隣(KNN)を利用して、生の確率密度推定を構築し、校正する。 ハーモニック平均は、精度を向上させるために複数の実現からの推定値のアンサンブルを組み合わせるために用いられる。
  論文  参考訳（メタデータ） (2024-10-25T08:46:55Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• Galaxy spectroscopy without spectra: Galaxy properties from photometric images with conditional diffusion models [3.556281115019309]
  我々は、測光広帯域画像のみから光銀河スペクトルを予測できる生成AI法を開発した。 この研究は、測光画像から速度分散を推定するための文献における最初の試みである。 活動銀河核の存在を82%の精度で予測できる。
  論文  参考訳（メタデータ） (2024-06-26T08:49:51Z)
• Photometric Redshifts with Copula Entropy [1.7125489646780319]
  コピュラエントロピー(CE)は、光度測定と赤方偏移の相関を測定するために用いられる。 選択した測定値により、光度赤方偏移の精度が向上する。
  論文  参考訳（メタデータ） (2023-10-25T13:33:40Z)
• Photo-zSNthesis: Converting Type Ia Supernova Lightcurves to Redshift Estimates via Deep Learning [0.0]
  光-zSNthesisは、完全な赤方偏移確率分布を予測する畳み込みニューラルネットワークに基づく手法である。 PLAsTiCCシミュレーションでは予測バイアスデルタz>が61倍改善し,SDSSデータでは5倍改善した。
  論文  参考訳（メタデータ） (2023-05-19T17:59:00Z)
• 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)
• Photometric Redshift Estimation with Convolutional Neural Networks and Galaxy Images: A Case Study of Resolving Biases in Data-Driven Methods [0.0]
  クラス依存残差とモード崩壊の2つの主要なバイアス形態を、測光赤方偏移を推定するケーススタディとして検討する。 CNNモデルに基づく2つのバイアスを解決するための一連のステップを提案する。 実験により,本手法はベンチマーク法よりもバイアス制御能力が優れていることが示された。
  論文  参考訳（メタデータ） (2022-02-21T02:59:33Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)
• Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
  本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。 提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-15T23:07:56Z)

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。