对比学习在天体物理学中应用的简要综述
天体物理仪器与方法
2023-06-12 v1 机器学习
摘要
随着天文数据集在体量与复杂度上的增长,从高维空间提取模式的可靠工具变得愈发必要。对比学习是一种自监督机器学习算法,可从多维数据集中提取信息性度量,近年来在计算机视觉与机器学习界日益流行。为此,它最大化从同一输入数据的增强版本中提取的信息之间的一致性,使最终表征对所用变换保持不变。对比学习在天文学中尤其有助于去除已知仪器效应,并在可用标签有限的情况下执行监督分类与回归,展现出通向\emph{基础模型}(Foundation Models)的有前景途径。这篇短综述简要总结对比学习背后的主要概念,并回顾其在天文学中的首批有前景应用。我们包含关于哪些应用特别适合对比学习的一些实用建议。
引用
@article{arxiv.2306.05528,
title = {A brief review of contrastive learning applied to astrophysics},
author = {Marc Huertas-Company and Regina Sarmiento and Johan Knapen},
journal= {arXiv preprint arXiv:2306.05528},
year = {2023}
}
备注
Invited review to be published in RASTI