用于搜寻贫金属星系的人工神经网络
星系天体物理
2015-06-18 v1
摘要
为了寻找一种快速可靠的方法来选取贫金属星系（MPGs），特别是在大型巡天和海量数据库中，我们将人工神经网络（ANN）方法应用于由马克斯·普朗克研究所和约翰斯·霍普金斯大学（MPA/JHU）提供的斯隆数字巡天（SDSS）数据发布 9（DR9）中的星暴星系样本。采用了两步法：(i) 必须用已知为 MPGs 或富金属星系（MRGs）的对象子集训练 ANN 网络，将强发射线流量测量值作为输入特征向量处理，置于 维空间中，其中 为强发射线流量比的数量。(ii) 在网络经过星暴星系样本训练后，剩余星系在自动测试分析中被分类为 MPGs 或 MRGs。我们考虑了将数据随机划分为训练集和测试集的几种方案：例如，对于我们的样本，总共 70% 的数据用于训练算法，15% 用于验证算法，其余 15% 用于对所得分类器进行盲测。对于目标选择，当 MPGs 阈值分别为 和 时，我们分别实现了 96% 和 92% 的 MPGs 获取率。在 Matlab 2013a 软件环境下，运行代码在大多数情况下仅需几分钟。当目标的物理性质可以表示为定量变量时，ANN 方法可轻松扩展至任何 MPGs 目标选择任务。
引用
@article{arxiv.1312.1779,
title = {Artificial Neural Network for search for metal poor galaxies},
author = {F. Shi and Y-Y. Liu and X. Kong and Y. Chen},
journal= {arXiv preprint arXiv:1312.1779},
year = {2015}
}
备注
7 pages, accepted by A&A. arXiv admin note: text overlap with arXiv:1208.1264 by other authors