与火星 M1:2 平运动共振小行星的人工神经网络分类
地球与行星天体物理
2021-04-14 v1 天体物理仪器与方法
神经与进化计算
摘要
人工神经网络(ANN)近年来已成功用于识别天文图像中的模式。然而，ANN 在小行星动力学领域的应用迄今较为有限。本工作中，我们首次使用 ANN 自动识别受与火星 M1:2 平运动共振影响的小行星轨道行为。我们的模型在标准指标(如准确率、精确率与召回率)上识别小行星共振角图像的表现为 85% 以上，从而能够识别该区域内所有编号小行星的轨道类型。利用通过遗传算法优化的监督机器学习方法，我们还预测了该地区所有多冲小行星的轨道状态。我们确认 M1:2 共振主要影响 Massalia、Nysa 与 Vesta 小行星族的轨道。
引用
@article{arxiv.2103.15586,
title = {Artificial Neural Network classification of asteroids in the M1:2 mean-motion resonance with Mars},
author = {V. Carruba and S. Aljbaae and R. C. Domingos and W. Barletta},
journal= {arXiv preprint arXiv:2103.15586},
year = {2021}
}
备注
11 pages, 10 figures, 1 table. Accepted for publication in MNRAS