基于堆叠降噪自编码的恒星/星系分类研究

来源 :天文学报 | 被引量 : 0次 | 上传用户:jackmengxiaojing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,深度学习算法以其适应性强、准确率高、结构复杂等特性在数据挖掘算法中异军突起,但是在天文信息学中深度学习算法还鲜有问津.针对斯隆数字巡天(Sloan Digital Sky Survey,SDSS)恒星/星系分类中普遍存在的亮源集分类正确率高但暗源集分类正确率低等问题,引入了深度学习中较新的研究成果—堆叠降噪自编码(stacked denoising autoencoders,SDA)神经网络和dropout微调技术.从SDSS释放出的带有光谱证认(spectroscopic measurement
其他文献
从Sloan数字巡天第2批释放的数据(SDSSDIR2)中选择了395个在r波段亮于15等的面向晚型旋涡星系作为样本,研究了盘的颜色梯度与结构参数的关系.结果表明:盘的颜色梯度与盘的绝对星等
使用紫金山天文台盱眙观测站近地天体望远镜对WASP-43b和TrES-3b分别做了2次和4次凌星主食的测光后续观测.经过较差测光和光变曲线拟合,分别得到了两个系统的相关物理参数,结果
空间太阳望远镜在轨运行中,会受到复杂的空间环境影响,光学窗口的温度变化将会直接影响后面光学系统成像质量.热设计的目的就是为了保证光学窗口的各部分保持在各自正常温度范围
本文评价了视觉电生理视觉诱发电位应用于眼科的临床诊断效果,对我院3年来视觉电生理视觉诱发电位的眼科临床经验作了回顾性总结,并充分肯定其临床价值。