自组织映射能否准确预测测光红移？
天体物理仪器与方法
2015-06-03 v1
摘要
我们提出了一种可用于估计测光红移的无监督机器学习方法。该方法基于一种称为自组织映射（SOM）的向量量化方法。我们利用了斯隆数字巡天的主星系样本、发光红星系样本和类星体样本，以及来自测光红移精度测试项目的PHAT0数据集中的多种测光导出输入值。通过均方根误差（RMSE）评估了这种新方法获得的回归结果，以估计测光红移估计的精度。结果表明，与人工神经网络和高斯过程回归等其他几种流行方法相比，该方法在RMSE和异常值百分比方面具有竞争力。主星系样本的SOM RMSE结果（使用Δz=z_phot−z_spec）为0.023，发光红星系样本为0.027，类星体为0.418，PHAT0合成数据为0.022。结果表明，估计SOM RMSE存在非唯一解。为了找到使用SOM的更稳健估计技术，还需要进一步研究，但本文的结果与其他知名方法相比，积极表明了其能力。
引用
@article{arxiv.1201.1098,
title = {Can Self-Organizing Maps accurately predict photometric redshifts?},
author = {M. J. Way and C. D. Klose},
journal= {arXiv preprint arXiv:1201.1098},
year = {2015}
}
备注
5 pages, 3 figures, submitted to PASP