一种用于射电干涉校准的随机 LBFGS 算法
天体物理仪器与方法
2019-04-16 v2 机器学习
最优化与控制
摘要
我们提出了一种适用于处理极大量数据的随机有限内存 Broyden Fletcher Goldfarb Shanno（LBFGS）算法。该算法的一个直接应用是以精细时间和频率分辨率对原始数据进行射电干涉校准。几乎所有现有的射电干涉校准算法都假设可以将被校准的数据集装入内存。因此，在执行校准之前，原始数据会在时间和频率上被平均，以将其大小减少多个数量级。然而，这种平均不利于检测一些具有窄带宽和短时长的感兴趣信号，例如快速射电暴（FRBs）。使用所提出的算法，可以以无法完全载入内存的精细分辨率校准数据，从而保留此类信号。作为额外的演示，我们使用所提出的算法训练深度神经网络，并与深度学习中使用的主流一阶优化算法比较性能。
引用
@article{arxiv.1904.05619,
title = {A Stochastic LBFGS Algorithm for Radio Interferometric Calibration},
author = {Sarod Yatawatta and Lukas De Clercq and Hanno Spreeuw and Faruk Diblen},
journal= {arXiv preprint arXiv:1904.05619},
year = {2019}
}
备注
Draft, final version in IEEE Data Science Workshop 2019 proceedings