Fugu-MT 論文翻訳(概要): RGC-Bent: A Novel Dataset for Bent Radio Galaxy Classification

論文の概要: RGC-Bent: A Novel Dataset for Bent Radio Galaxy Classification

arxiv url: http://arxiv.org/abs/2505.19249v1
Date: Sun, 25 May 2025 17:57:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-27 16:58:43.00388
Title: RGC-Bent: A Novel Dataset for Bent Radio Galaxy Classification
Title（参考訳）: RGC-Bent: Bent Radio Galaxy分類のための新しいデータセット
Authors: Mir Sazzat Hossain, Khan Muhammad Bin Asad, Payaswini Saikia, Adrita Khan, Md Akil Raihan Iftee, Rakibul Hasan Rajib, Arshad Momen, Md Ashraful Amin, Amin Ahsan Ali, AKM Mahbubur Rahman,
Abstract要約: ベント放射能銀河核(AGN)は銀河団のダイナミクス、銀河団内の相互作用、AGNのより広い物理に関する洞察を提供する。本稿では、天文学的な観測において、曲がった放射能銀河核(AGN)の分類に適した新しい機械学習データセットを提案する。
参考スコア（独自算出の注目度）: 0.6684911303788182
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a novel machine learning dataset tailored for the classification of bent radio active galactic nuclei (AGN) in astronomical observations. Bent radio AGN, distinguished by their curved jet structures, provide critical insights into galaxy cluster dynamics, interactions within the intracluster medium, and the broader physics of AGN. Despite their astrophysical significance, the classification of bent radio AGN remains a challenge due to the scarcity of specialized datasets and benchmarks. To address this, we present a dataset, derived from a well-recognized radio astronomy survey, that is designed to support the classification of NAT (Narrow-Angle Tail) and WAT (Wide-Angle Tail) categories, along with detailed data processing steps. We further evaluate the performance of state-of-the-art deep learning models on the dataset, including Convolutional Neural Networks (CNNs), and transformer-based architectures. Our results demonstrate the effectiveness of advanced machine learning models in classifying bent radio AGN, with ConvNeXT achieving the highest F1-scores for both NAT and WAT sources. By sharing this dataset and benchmarks, we aim to facilitate the advancement of research in AGN classification, galaxy cluster environments and galaxy evolution.
Abstract（参考訳）: 本稿では、天文学的な観測において、曲がった放射能銀河核(AGN)の分類に適した新しい機械学習データセットを提案する。ベント電波AGNは、その湾曲したジェット構造によって区別され、銀河団のダイナミックス、クラスター内媒体内の相互作用、AGNのより広い物理に関する重要な洞察を提供する。天体物理学的な重要性にもかかわらず、特殊なデータセットやベンチマークが不足しているため、曲がった電波AGNの分類は依然として困難である。そこで本研究では,NAT(Narrow-Angle Tail)カテゴリとWAT(Wide-Angle Tail)カテゴリの分類を支援するために,詳細なデータ処理手順とともに,よく認識された電波天文学調査から得られたデータセットを提案する。さらに、畳み込みニューラルネットワーク(CNN)やトランスフォーマーベースのアーキテクチャを含む、最先端のディープラーニングモデルの性能を評価する。本研究は,NAT とWAT の双方において,ConvNeXT が最も高いF1スコアを達成し,曲がりラジオAGN の分類における高度な機械学習モデルの有効性を実証するものである。このデータセットとベンチマークを共有することで、AGN分類、銀河団環境、銀河進化の研究の進展を促進することを目指している。

関連論文リスト

Graph Neural Networks Are More Than Filters: Revisiting and Benchmarking from A Spectral Perspective [49.613774305350084]
グラフニューラルネットワーク(GNN)は、様々なグラフベースの学習タスクにおいて顕著な成功を収めている。近年の研究では、非線形層などの他のコンポーネントが、GNNがスペクトル領域の入力グラフデータをどのように処理するかに大きく影響する可能性が示唆されている。本稿では、入力グラフデータの異なる周波数成分に符号化された情報を捕捉し、活用する際のGNNの能力を評価するための総合的なベンチマークを提案する。
論文参考訳（メタデータ） (2024-12-10T04:53:53Z)
RFI Detection with Spiking Neural Networks [25.08630315149258]
本研究では、スパイキングニューラルネットワーク(SNN)の天文学的データ処理タスク、特にRFI検出への最初の探索的応用について紹介する。 ANN2SNN変換によりSNN実行に最寄りのラテンネーブラーアルゴリズムとオートエンコーダアーキテクチャを適用する。我々のアプローチは、HERAデータセットのAUROC、AUPRC、F1の既存の手法と競合するが、LOFAR、Tabascalデータセットでは困難である。
論文参考訳（メタデータ） (2023-11-24T06:27:08Z)
Morphological Classification of Radio Galaxies using Semi-Supervised Group Equivariant CNNs [0.0]
推定数兆個の銀河のうち、約100万個のみが電波で検出されている。本稿では,Farioff-Riley Type I (FRI)とFRII Type II (FRII)に分類するために,半教師付き学習手法を用いる。 The Group Equivariant Convolutional Neural Network (G-CNN) was used as an encoder of the state-of-the-the-art self-supervised method SimCLR and BYOL。
論文参考訳（メタデータ） (2023-05-31T06:50:32Z)
Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文参考訳（メタデータ） (2023-03-24T11:12:37Z)
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)
Neural Attentive Circuits [93.95502541529115]
我々は、NAC(Neural Attentive Circuits)と呼ばれる汎用的でモジュラーなニューラルアーキテクチャを導入する。 NACは、ドメイン知識を使わずに、ニューラルネットワークモジュールのパラメータ化と疎結合を学習する。 NACは推論時に8倍のスピードアップを達成するが、性能は3%以下である。
論文参考訳（メタデータ） (2022-10-14T18:00:07Z)
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)
Local Augmentation for Graph Neural Networks [78.48812244668017]
本稿では,局所的な部分グラフ構造によりノード特性を向上する局所拡張を提案する。局所的な拡張に基づいて、プラグイン・アンド・プレイ方式で任意のGNNモデルに適用可能な、LA-GNNという新しいフレームワークをさらに設計する。
論文参考訳（メタデータ） (2021-09-08T18:10:08Z)
Rank-R FNN: A Tensor-Based Learning Model for High-Order Data Classification [69.26747803963907]
Rank-R Feedforward Neural Network (FNN)は、そのパラメータにCanonical/Polyadic分解を課すテンソルベースの非線形学習モデルである。まず、入力をマルチリニアアレイとして扱い、ベクトル化の必要性を回避し、すべてのデータ次元に沿って構造情報を十分に活用することができる。 Rank-R FNNの普遍的な近似と学習性の特性を確立し、実世界のハイパースペクトルデータセットのパフォーマンスを検証する。
論文参考訳（メタデータ） (2021-04-11T16:37:32Z)
Data-Efficient Classification of Radio Galaxies [0.0]
本稿では, 深層学習手法を用いた形態学に基づく電波銀河分類の課題について検討する。我々は、ツインネットワークに基づく数ショット学習技術と、事前訓練されたDenseNetモデルを用いたトランスファー学習技術を適用した。我々は、ベント型銀河とFRII型銀河の最大の混同源である最高の性能モデルを用いて、92%以上の分類精度を達成した。
論文参考訳（メタデータ） (2020-11-26T14:28:19Z)

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。