本文主要研究内容
作者姜斌,赵梓良,黄灏,钟云鹏,赵永健,曲美霞（2019）在《基于反贝叶斯学习的WDMS光谱自动识别研究》一文中研究指出：天体光谱是天体物理学重要的研究对象,通过光谱可以获取天体的许多物理、化学参数如有效温度、金属丰度、表面重力加速度和视向速度等。白矮主序双星是一类致密的双星系统,对研究致密双星的演化特别是公共包层的演化有着重要的意义。国内外的大型巡天望远镜如美国斯隆望远镜以及中国的郭守敬望远镜,每天都产生大量光谱数据。如此海量的光谱数据无法完全用人工进行分析。因此,使用机器学习方法从海量的天体光谱中自动搜索白矮主序双星光谱,有着非常现实的意义。目前的光谱自动识别方法主要通过对已有的标签样本进行分析,通过训练得到分类器,再对未知目标进行识别。这类方法对样本的数量有明确的要求。白矮主序双星的实测光谱数量有限。若要通过有限的样本集准确学习白矮主序双星的光谱特征,不仅需要扩大样本数量,还需要提高特征提取和分类算法的精度。在前期工作中,通过机器学习等方法在海量巡天数据中识别了一批白矮主序双星的光谱,为该实验提供了数据源。使用对抗神经网络生成新的白矮主序双星光谱,扩大训练数据量至原数据集约两倍的数量,增强了分类模型的泛化能力。通过反贝叶斯学习修正损失函数,将损失函数的大小与样本的方差相关联,抑制了异常数据对模型造成的影响,提升了模型的鲁棒性,解决了由于训练样本集偏差带来的梯度消失以及训练陷入局部最优解等问题。该实验基于Tensorflow深度学习库。使用Tensorflow搭建的生成对抗网络具有较好的鲁棒性,并且封装了内部实现细节,使得算法得以更好地实现。除此之外,由Tensorflow搭建的卷积神经网络在该实验中用于分类准确度测试。实验结果表明,二维卷积神经网络能够利用卷积核有效地提取白矮主序双星的卷积特征并进行分类。基于反贝叶斯学习策略的卷积神经网络分类器在白矮主序双星原始数据及对抗神经网络生成光谱的识别任务中达到了约98.3%的准确率。该方法也可用于在巡天望远镜的海量光谱中搜索其他特殊和稀少天体如激变变星、超新星等。
Abstract
tian ti guang pu shi tian ti wu li xue chong yao de yan jiu dui xiang ,tong guo guang pu ke yi huo qu tian ti de hu duo wu li 、hua xue can shu ru you xiao wen du 、jin shu feng du 、biao mian chong li jia su du he shi xiang su du deng 。bai ai zhu xu shuang xing shi yi lei zhi mi de shuang xing ji tong ,dui yan jiu zhi mi shuang xing de yan hua te bie shi gong gong bao ceng de yan hua you zhao chong yao de yi yi 。guo nei wai de da xing xun tian wang yuan jing ru mei guo si long wang yuan jing yi ji zhong guo de guo shou jing wang yuan jing ,mei tian dou chan sheng da liang guang pu shu ju 。ru ci hai liang de guang pu shu ju mo fa wan quan yong ren gong jin hang fen xi 。yin ci ,shi yong ji qi xue xi fang fa cong hai liang de tian ti guang pu zhong zi dong sou suo bai ai zhu xu shuang xing guang pu ,you zhao fei chang xian shi de yi yi 。mu qian de guang pu zi dong shi bie fang fa zhu yao tong guo dui yi you de biao qian yang ben jin hang fen xi ,tong guo xun lian de dao fen lei qi ,zai dui wei zhi mu biao jin hang shi bie 。zhe lei fang fa dui yang ben de shu liang you ming que de yao qiu 。bai ai zhu xu shuang xing de shi ce guang pu shu liang you xian 。re yao tong guo you xian de yang ben ji zhun que xue xi bai ai zhu xu shuang xing de guang pu te zheng ,bu jin xu yao kuo da yang ben shu liang ,hai xu yao di gao te zheng di qu he fen lei suan fa de jing du 。zai qian ji gong zuo zhong ,tong guo ji qi xue xi deng fang fa zai hai liang xun tian shu ju zhong shi bie le yi pi bai ai zhu xu shuang xing de guang pu ,wei gai shi yan di gong le shu ju yuan 。shi yong dui kang shen jing wang lao sheng cheng xin de bai ai zhu xu shuang xing guang pu ,kuo da xun lian shu ju liang zhi yuan shu ju ji yao liang bei de shu liang ,zeng jiang le fen lei mo xing de fan hua neng li 。tong guo fan bei xie si xue xi xiu zheng sun shi han shu ,jiang sun shi han shu de da xiao yu yang ben de fang cha xiang guan lian ,yi zhi le yi chang shu ju dui mo xing zao cheng de ying xiang ,di sheng le mo xing de lu bang xing ,jie jue le you yu xun lian yang ben ji pian cha dai lai de ti du xiao shi yi ji xun lian xian ru ju bu zui you jie deng wen ti 。gai shi yan ji yu Tensorflowshen du xue xi ku 。shi yong Tensorflowda jian de sheng cheng dui kang wang lao ju you jiao hao de lu bang xing ,bing ju feng zhuang le nei bu shi xian xi jie ,shi de suan fa de yi geng hao de shi xian 。chu ci zhi wai ,you Tensorflowda jian de juan ji shen jing wang lao zai gai shi yan zhong yong yu fen lei zhun que du ce shi 。shi yan jie guo biao ming ,er wei juan ji shen jing wang lao neng gou li yong juan ji he you xiao de di qu bai ai zhu xu shuang xing de juan ji te zheng bing jin hang fen lei 。ji yu fan bei xie si xue xi ce lve de juan ji shen jing wang lao fen lei qi zai bai ai zhu xu shuang xing yuan shi shu ju ji dui kang shen jing wang lao sheng cheng guang pu de shi bie ren wu zhong da dao le yao 98.3%de zhun que lv 。gai fang fa ye ke yong yu zai xun tian wang yuan jing de hai liang guang pu zhong sou suo ji ta te shu he xi shao tian ti ru ji bian bian xing 、chao xin xing deng 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的姜斌,赵梓良,黄灏,钟云鹏,赵永健,曲美霞，发表于刊物光谱学与光谱分析2019年06期论文，是一篇关于白矮主序双星论文,生成对抗网络论文,反贝叶斯学习策略论文,卷积神经网络论文,光谱学与光谱分析2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：白矮主序双星论文; 生成对抗网络论文; 反贝叶斯学习策略论文; 卷积神经网络论文; 光谱学与光谱分析2019年06期论文;