一种用于决定光谱后随观测的信息论方法
天体物理仪器与方法
2020-01-08 v1 机器学习
摘要
变星现象与暂现现象的分类与表征对天体物理和宇宙学至关重要。这些天体通常通过测光时间序列或光谱数据研究。鉴于许多正在进行与未来的巡天处于时域，且给定添加光谱可提供进一步洞见但需更多观测资源，知晓哪些天体除时间序列外应优先获取光谱将很有价值。我们提出一种概率设定下的方法论，先验地确定哪些天体值得获取光谱以获得更好洞见，其中我们将“洞见”聚焦于天体类型（分类）。我们查询其光谱的天体使用完整光谱信息重新分类。我们首先训练两个分类器，一个使用测光数据，另一个联合使用测光与光谱数据。然后对每个测光天体我们估计每种可能光谱结果的概率。我们在多种概率框架（策略）中组合这些模型，用以指导后随观测的选择。最佳策略取决于预期用途，无论是获取更高置信度还是准确度。对于给定的候选天体数（127，等于数据集的 5%）用于获取光谱，我们提升了 37% 的类别预测准确度，而非朴素（非随机）最佳基线策略仅为 20%。我们的方法为后随策略提供了通用框架，可扩展至分类之外并包含光谱之外的其他后随形式。
引用
@article{arxiv.1911.02444,
title = {An Information Theory Approach on Deciding Spectroscopic Follow Ups},
author = {Javiera Astudillo and Pavlos Protopapas and Karim Pichara and Pablo Huijse},
journal= {arXiv preprint arXiv:1911.02444},
year = {2020}
}