論文の概要: ExoMiner++ on TESS with Transfer Learning from Kepler: Transit Classification and Vetting Catalog for 2-min Data

• arxiv url: http://arxiv.org/abs/2502.09790v1
• Date: Thu, 13 Feb 2025 21:53:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-17 18:06:22.572948
• Title: ExoMiner++ on TESS with Transfer Learning from Kepler: Transit Classification and Vetting Catalog for 2-min Data
• Title（参考訳）: ExoMiner++ on TESS with Transfer Learning from Kepler: トランジット分類と2分データのベッティングカタログ
• Authors: Hamed Valizadegan, Miguel J. S. Martinho, Jon M. Jenkins, Joseph D. Twicken, Douglas A. Caldwell, Patrick Maynard, Hongbo Wei, William Zhong, Charles Yates, Sam Donald, Karen A. Collins, David Latham, Khalid Barkaoui, Perry Berlind, Michael L. Calkins, Kylee Carden, Nikita Chazov, Gilbert A. Esquerdo, Tristan Guillot, Vadim Krushinsky, Grzegorz Nowak, Benjamin V. Rackham, Amaury Triaud, Richard P. Schwarz, Denise Stephens, Chris Stockdale, Jiaqi Wang, Cristilyn N. Watkins, Francis P. Wilkin,
• Abstract要約: 2分間のTESSデータにおけるトランジット信号の分類を改善するために,ExoMinerの成功に基づく強化されたディープラーニングモデルを提案する。 ExoMiner++には、周期図、フラックストレンド、差画像、展開されたフラックス、宇宙船の姿勢制御データなど、追加の診断入力が含まれている。 本研究では,ExoMiner++の分類と各トランジット信号に対する信頼性スコアを含む新しいTESSカタログを紹介する。
• 参考スコア（独自算出の注目度）: 11.767660473366087
• License:
• Abstract: We present ExoMiner++, an enhanced deep learning model that builds on the success of ExoMiner to improve transit signal classification in 2-minute TESS data. ExoMiner++ incorporates additional diagnostic inputs, including periodogram, flux trend, difference image, unfolded flux, and spacecraft attitude control data, all of which are crucial for effectively distinguishing transit signals from more challenging sources of false positives. To further enhance performance, we leverage transfer learning from high-quality labeled data from the Kepler space telescope, mitigating the impact of TESS's noisier and more ambiguous labels. ExoMiner++ achieves high accuracy across various classification and ranking metrics, significantly narrowing the search space for follow-up investigations to confirm new planets. To serve the exoplanet community, we introduce new TESS catalogs containing ExoMiner++ classifications and confidence scores for each transit signal. Among the 147,568 unlabeled TCEs, ExoMiner++ identifies 7,330 as planet candidates, with the remainder classified as false positives. These 7,330 planet candidates correspond to 1,868 existing TESS Objects of Interest (TOIs), 69 Community TESS Objects of Interest (CTOIs), and 50 newly introduced CTOIs. 1,797 out of the 2,506 TOIs previously labeled as planet candidates in ExoFOP are classified as planet candidates by ExoMiner++. This reduction in plausible candidates combined with the excellent ranking quality of ExoMiner++ allows the follow-up efforts to be focused on the most likely candidates, increasing the overall planet yield.
• Abstract（参考訳）: 2分間のTESSデータにおけるトランジット信号の分類を改善するために,ExoMinerの成功に基づく拡張ディープラーニングモデルであるExoMiner++を提案する。 ExoMiner++には、周期図、フラックストレンド、差分画像、展開されたフラックス、宇宙船の姿勢制御データなどの追加の診断入力が含まれている。 さらに、ケプラー宇宙望遠鏡からの高品質なラベル付きデータからの転送学習を活用し、TESSのノイズとよりあいまいなラベルの影響を緩和する。 ExoMiner++は、様々な分類とランキングの指標で高い精度を実現し、新しい惑星を確認するためのフォローアップ調査のための検索スペースを著しく狭めている。 本研究では,ExoMiner++の分類と各トランジット信号に対する信頼性スコアを含む新しいTESSカタログを紹介する。 ラベルのない147,568のTCEのうち、ExoMiner++は7,330を惑星候補とし、残りは偽陽性と分類している。 これら7,330個の惑星候補は、既存のTESS Objects of Interest(TOI)1,868個、コミュニティTESS Objects of Interest(CTOI)69個、新たに導入されたCTOI50個に対応している。 以前はExoFOPの惑星候補とされていた2,506のTOIのうち1,797は、ExoMiner++によって惑星候補に分類されている。 この可塑性候補の削減とExoMiner++の優れたランキング品質が組み合わさって、フォローアップの取り組みは最も可能性の高い候補に集中し、惑星全体の収量を増加させる。

関連論文リスト

• SOOD++: Leveraging Unlabeled Data to Boost Oriented Object Detection [59.868772767818975]
  本稿では,SOOD++ と呼ばれる簡易かつ効果的な半教師付きオブジェクト指向検出手法を提案する。 具体的には、空中画像からの物体は、通常任意の向き、小さなスケール、集約である。 様々なラベル付き環境下での多目的オブジェクトデータセットに対する大規模な実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-07-01T07:03:51Z)
• MER 2024: Semi-Supervised Learning, Noise Robustness, and Open-Vocabulary Multimodal Emotion Recognition [102.76954967225231]
  我々は、この分野の発展を促進するために、MERシリーズのコンペティションを組織する。 昨年、私たちはMER2023を立ち上げ、マルチラベル学習、ノイズの堅牢性、半教師付き学習という3つの興味深いトピックに焦点を当てました。 今年は、データセットのサイズの拡大に加えて、オープン語彙の感情認識に関する新たなトラックを導入しました。
  論文  参考訳（メタデータ） (2024-04-26T02:05:20Z)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Multiplicity Boost Of Transit Signal Classifiers: Validation of 69 New Exoplanets Using The Multiplicity Boost of ExoMiner [0.0]
  既存のトランジット信号ベッター(分類器)を与えられた場合、多重度情報を用いてその性能を向上させる。 次に、提案したExoMiner V1.2の多重化促進フレームワークを用いて、ケプラーカタログから複数のKOIを持つ系に対して69個の新しい太陽系外惑星を検証する。
  論文  参考訳（メタデータ） (2023-05-04T00:24:27Z)
• MER 2023: Multi-label Learning, Modality Robustness, and Semi-Supervised Learning [90.17500229142755]
  第1回マルチモーダル感情認識チャレンジ(MER 2023)は、ACMマルチメディアで成功した。 本稿では、この課題の背景にある動機を紹介し、ベンチマークデータセットを説明し、参加者に関する統計情報を提供する。 この高品質なデータセットは、特に中国の研究コミュニティにとって、マルチモーダルな感情認識の新しいベンチマークになり得ると考えています。
  論文  参考訳（メタデータ） (2023-04-18T13:23:42Z)
• Identifying Exoplanets with Deep Learning. V. Improved Light Curve Classification for TESS Full Frame Image Observations [1.4060799411474627]
  本稿では,第1次ミッションと第1次拡張ミッションの全フレーム画像からの光曲線と,Box Least Squaresで検出された周期信号を含むデータセットを提案する。 データセットは、完全な手作業によるレビュープロセスを使用して、Astronet-Triage-v2と呼ばれるニューラルネットワークのトレーニングに使用された。 Astronet-Triage-v2は4140TOIのうち3577をリカバリでき、Astronet-Triageは3349ターゲットを同じ精度でリカバリできる。
  論文  参考訳（メタデータ） (2023-01-03T21:58:13Z)
• Tracking Every Thing in the Wild [61.917043381836656]
  我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。 実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2022-07-26T15:37:19Z)
• YOUNG Star detrending for Transiting Exoplanet Recovery (YOUNGSTER) II: Using Self-Organising Maps to explore young star variability in Sectors 1-13 of TESS data [0.0]
  本論文は, トランジット型太陽系外惑星探査衛星(TESS)の観測初年度における若い恒星変動の探索に, 小保年自己組織化マップを用いた。 この技術は、若い楕円形二分体の信号と、恒星の変動から潜在的に遷移する物体の信号を分離するのに特に有効であることが判明した。 本稿では,若年星の分類と照準に対する機械学習に基づくアプローチを応用した,より広範なYOUNGSTERプログラムの第1段階について述べる。
  論文  参考訳（メタデータ） (2022-01-31T19:00:11Z)
• ExoMiner: A Highly Accurate and Explainable Deep Learning Classifier to Mine Exoplanets [0.5578094397833854]
  ExoMinerは、ドメインの専門家が診断テストを調べて、トランジットシグナルを検査する方法を模倣する。 我々は,MASTケプラーアーカイブから新たに301個の太陽系外惑星を検証した。 ExoMinerがトランスポート信号を特定のクラスラベルに分類する理由について、専門家にフィードバックを提供するシンプルな説明可能性フレームワークを紹介します。
  論文  参考訳（メタデータ） (2021-11-19T02:22:34Z)
• Nigraha: Machine-learning based pipeline to identify and evaluate planet candidates from TESS [0.8539683760001573]
  トランジット太陽系外惑星探査衛星(TESS)は現在2年あまり運用されており、北半球と南半球をカバーしている。 2千以上の惑星候補が発見されており、そのうち数十は惑星として確認されている。 これらのアプローチを補完するパイプラインであるNigrahaを紹介します。 オープンデータ探索の精神で、パイプラインの詳細を提供し、教師付き機械学習モデルとコードをオープンソースとしてリリースし、7つのセクターで見つけた38の候補者を公開します。
  論文  参考訳（メタデータ） (2021-01-22T17:17:54Z)
• MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
  単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。 このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。 我々は,最先端トラッカーの分類と広い誤差解析を行う。
  論文  参考訳（メタデータ） (2020-10-15T06:52:16Z)

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。