使用神经网络的古典新星自动检测
天体物理学
2008-11-26 v1
摘要
POINT-AGAPE 合作项目对 M31 进行调查,主要目标是光学探测微透镜事件,但其数据目录也是变动和瞬态天体(包括古典新星,CNe)光曲线的优质来源。可靠的识别方法结合对 M31 中变动天体的彻底调查,为定位和研究整个银河系 CNe population 提供了绝佳机会。本文提出了一套 440 个神经网络,在 44 个委员会中工作,专为识别快速 CNe 设计。网络使用由模拟新星和 POINT-AGAPE 光曲线组成的训练集,以 K 折交叉验证的新变体开发。它们使用光曲线的分箱、归一化功率谱作为输入。网络成功识别了此前确认的 13 个 M31 CNe 中的 9 个(若考虑网络误差范围则为 11 个)。他们提供了 19 个新的快速 CNe 候选名单,其中 4 个被强烈推荐。
引用
@article{arxiv.astro-ph/0504236,
title = {Automated Detection of Classical Novae with Neural Networks},
author = {S. Feeney and V. Belokurov and N. W. Evans and J. An and P. C. Hewett and M. Bode and M. Darnley and E. Kerins and P. Baillon and B. J. Carr and S. Paulin-Henriksson and A. Gould},
journal= {arXiv preprint arXiv:astro-ph/0504236},
year = {2008}
}
备注
28 pages, 8 figures, The Astronomical Journal (in press)