用于系外行星光变曲线检测的单臂 CNN
计算机视觉与模式识别
2021-05-14 v1 天体物理仪器与方法
机器学习
摘要
我们提出 Genesis，一种用于系外行星检测的单臂简化卷积神经网络（CNN），并将其与称为 Astronet 的更复杂的双臂 CNN 进行比较。此外，我们考察蒙特卡洛交叉验证如何影响系外行星检测性能的估计。最后，我们将输入分辨率加倍以评估其对性能的影响。实验表明：(i) Genesis 降低的复杂度（即自由参数数量减少逾 95%）相较于 Astronet 仅带来约 0.5% 的微小性能损失；(ii) 蒙特卡洛交叉验证提供了更真实的性能估计，比原始估计低近 0.7%；(iii) 输入分辨率加倍使平均性能下降约 0.5%。我们最后认为，进一步探索更浅的 CNN 架构可能有益于提升基于 CNN 的系外行星检测在不同巡天间的泛化能力。
引用
@article{arxiv.2105.06292,
title = {A one-armed CNN for exoplanet detection from light curves},
author = {Koko Visser and Bas Bosma and Eric Postma},
journal= {arXiv preprint arXiv:2105.06292},
year = {2021}
}