用于区分毛刺与分钟级引力波瞬变信号的卷积神经网络
广义相对论与量子宇宙学
2023-01-18 v2 天体物理仪器与方法
摘要
引力波暴是与致密双星并合不同的瞬变信号，源于多种天体物理现象。由于大多数此类现象建模困难，传统搜索方法如匹配滤波无法使用。暴包括短时（<10秒）和长时（10至数百秒）信号，其探测受限于被称为毛刺的环境与仪器瞬变噪声。毛刺会污染暴搜索，减少有用数据量并限制现有算法的灵敏度。因此，定位毛刺并将其与潜在暴信号区分开具有首要重要性。本文提出训练一个卷积神经网络，在互相关LIGO噪声的时频空间中探测毛刺。我们表明，该网络在仅以现有毛刺类别的一个子集训练的情况下，仍能找回超过95%的毛刺，凸显了网络对全新毛刺类别的敏感性。
引用
@article{arxiv.2210.04588,
title = {A convolutional neural network to distinguish glitches from minute-long gravitational wave transients},
author = {Vincent Boudart},
journal= {arXiv preprint arXiv:2210.04588},
year = {2023}
}
备注
12 pages, 15 figures