利用支持向量机根据黑洞阴影对黑洞自旋进行分类
广义相对论与量子宇宙学
2019-05-22 v3
摘要
我们使用支持向量机（SVM）对黑洞的自旋进行分类。SVM 使用数值生成的黑洞图像目录进行训练和测试，假设盘状和球状物质模型具有波长为 4mm 的单色辐射。我们确定了 SVM 在图像分辨率方面对自旋进行分类的准确率，为此我们考虑了 和 像素三种分辨率。我们的方法应用于银河系中心超大质量黑洞（SMBH）的特定质量。我们的发现是：当分布为薄盘时，分类准确率即使在最粗分辨率下也保持在 90% 以上，而对于球状分布，在低分辨率和中等分辨率下准确率降至 80% 以下。结果表明物质分布、视角和图像分辨率如何影响确定黑洞自旋的难易程度。
引用
@article{arxiv.1901.07615,
title = {Classification of a black hole spin out of its shadow using support vector machines},
author = {J. A. Gonzalez and F. S. Guzman},
journal= {arXiv preprint arXiv:1901.07615},
year = {2019}
}
备注
6 pages, 5 figures. Accepted for publication in Phys. Rev. D