論文の概要: Photometric Redshift Estimation Using Scaled Ensemble Learning

• arxiv url: http://arxiv.org/abs/2601.07292v1
• Date: Mon, 12 Jan 2026 07:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:18.858014
• Title: Photometric Redshift Estimation Using Scaled Ensemble Learning
• Title（参考訳）: 大規模アンサンブル学習を用いた光赤方偏移推定
• Authors: Swagata Biswas, Shubhrangshu Ghosh, Avyarthana Ghosh, Yogesh Wadadekar, Abhishek Roy Choudhury, Arijit Mukherjee, Shailesh Deshpande, Arpan Pal,
• Abstract要約: 本研究では、暗黒銀河と高次赤方偏移領域のPz予測を目的とした、新しいアンサンブルベースのMLフレームワークを提案する。 タグ付き入力データを使用することで、アンサンブルアプローチはスタンドアローンモデルよりも予測性能が向上する。 その結果,Pz推定の精度と信頼性は著しく向上した。
• 参考スコア（独自算出の注目度）: 4.575096688254749
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The development of the state-of-the-art telescopic systems capable of performing expansive sky surveys such as the Sloan Digital Sky Survey, Euclid, and the Rubin Observatory's Legacy Survey of Space and Time (LSST) has significantly advanced efforts to refine cosmological models. These advances offer deeper insight into persistent challenges in astrophysics and our understanding of the Universe's evolution. A critical component of this progress is the reliable estimation of photometric redshifts (Pz). To improve the precision and efficiency of such estimations, the application of machine learning (ML) techniques to large-scale astronomical datasets has become essential. This study presents a new ensemble-based ML framework aimed at predicting Pz for faint galaxies and higher redshift ranges, relying solely on optical (grizy) photometric data. The proposed architecture integrates several learning algorithms, including gradient boosting machine, extreme gradient boosting, k-nearest neighbors, and artificial neural networks, within a scaled ensemble structure. By using bagged input data, the ensemble approach delivers improved predictive performance compared to stand-alone models. The framework demonstrates consistent accuracy in estimating redshifts, maintaining strong performance up to z ~ 4. The model is validated using publicly available data from the Hyper Suprime-Cam Strategic Survey Program by the Subaru Telescope. Our results show marked improvements in the precision and reliability of Pz estimation. Furthermore, this approach closely adheres to-and in certain instances exceeds-the benchmarks specified in the LSST Science Requirements Document. Evaluation metrics include catastrophic outlier, bias, and rms.
• Abstract（参考訳）: Sloan Digital Sky Survey, Euclid, and the Rubin Observatory's Legacy Survey of Space and Time (LSST) のような拡張的なスカイサーベイを行うことのできる最先端の望遠システムの開発は、宇宙論モデルを洗練するための大きな進歩を遂げた。 これらの進歩は、天体物理学における永続的な挑戦と宇宙の進化に対する我々の理解に深い洞察を与えてくれる。 この進歩の重要な要素は、光度赤方偏移(Pz)の信頼性評価である。 このような推定の精度と効率を改善するために、大規模な天文学的データセットへの機械学習(ML)技術の適用が不可欠である。 本研究は、光学的(グリザイな)測光データのみに頼って、暗黒銀河や高赤方偏移領域のPzを予測することを目的とした、新しいアンサンブルベースのMLフレームワークを提案する。 提案アーキテクチャでは,勾配押し上げ機,極度勾配押し上げ,k-アネレスト近傍,人工ニューラルネットワークなどの学習アルゴリズムを,スケールしたアンサンブル構造に統合する。 タグ付き入力データを使用することで、アンサンブルアプローチはスタンドアローンモデルよりも予測性能が向上する。 このフレームワークは、赤方偏移を推定する際の一貫した精度を示し、高い性能を z ~ 4 まで維持する。 このモデルは、スバル望遠鏡によるハイパー・サプライム・カム・ストラテジック・サーベイ・プログラム(Hyper Suprime-Cam Strategic Survey Program)から入手可能なデータを用いて検証されている。 その結果,Pz推定の精度と信頼性は著しく向上した。 さらに、このアプローチはLSST Science Requirements Document(LSST)に規定されているベンチマークを超えている。 評価指標には、破滅的なアウトリー、バイアス、rmが含まれる。

関連論文リスト

• Supervised Machine Learning Methods with Uncertainty Quantification for Exoplanet Atmospheric Retrievals from Transmission Spectroscopy [1.6874375111244329]
  本稿では,既存の機械学習回帰手法の体系的研究について述べる。 送信スペクトルから外惑星の大気パラメータを抽出するための性能の比較を行った。 WASP-39bのJWST観測のケーススタディにおいて,MLモデルと前処理方式の最良の組み合わせが検証された。
  論文  参考訳（メタデータ） (2025-08-07T02:28:21Z)
• STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
  54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。 本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
  論文  参考訳（メタデータ） (2025-07-22T09:28:28Z)
• Exoplanet Classification through Vision Transformers with Temporal Image Analysis [0.0]
  我々は、NASAのケプラーミッションからグラミアン・Angular Fields(GAF)とRecurrence Plots(RP)に生光曲線データを変換する手法を提案する。 これらの変換されたイメージはビジョントランスフォーマー(ViT)モデルへの入力として機能し、複雑な時間的依存関係をキャプチャする能力を活用する。 モデルの性能を5倍のクロスバリデーション手法を用いてリコール,精度,F1スコアの指標を用いて評価し,モデルの性能のロバストな推定値を得る。
  論文  参考訳（メタデータ） (2025-06-19T20:57:17Z)
• A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations [37.845442465099396]
  本稿では,マルチスケールアプローチを用いてニュアンス変動を捉える新しい統計モデルを提案する。 これは解釈可能なエンドツーエンドの学習可能なフレームワークに統合され、同時に外惑星の検出とフラックス推定を行う。 提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。
  論文  参考訳（メタデータ） (2025-03-21T13:07:55Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• Fuxi-DA: A Generalized Deep Learning Data Assimilation Framework for Assimilating Satellite Observations [15.934673617658609]
  ディープラーニングモデルは、世界中のトップNWPモデルのマッチング、さらには予測精度を超越する可能性を示している。 本研究は、衛星観測を同化するための一般化されたDLベースのDAフレームワークであるFuxiDAを紹介する。 Fengyun-4Bに搭載されたAdvanced Geosynchronous Radiation Imager(AGRI)のデータを同調することにより、FuXi-DAは解析誤差を一貫して軽減し、予測性能を大幅に改善する。
  論文  参考訳（メタデータ） (2024-04-12T15:02:14Z)
• Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
  最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。 この研究は、増強に基づく事前訓練の統計的分析に発展する。
  論文  参考訳（メタデータ） (2023-06-01T15:18:55Z)
• 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)

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。