使用贝叶斯神经网络对 Fermi-LAT 耀变体进行分类
高能天体物理现象
2022-05-13 v2
摘要
使用贝叶斯神经网络是对伽马射线源进行分类的一种新方法。我们聚焦于 Fermi-LAT 耀变体候选体的分类，其可划分为 BL Lacertae 天体与平谱射电类星体。与常规稠密网络不同，贝叶斯神经网络提供了对网络预测不确定性的可靠估计。我们探讨了常规神经网络与贝叶斯神经网络之间的对应关系以及数据增强的影响。我们发现贝叶斯神经网络提供了一种具有可靠不确定性估计的鲁棒分类器，特别适用于基于相对小规模且不均衡数据集的分类问题。我们的耀变体候选体分类结果是对旨在约束耀变体光度函数并指导未来观测活动的种群研究的有价值输入。
引用
@article{arxiv.2112.01403,
title = {Classification of Fermi-LAT blazars with Bayesian neural networks},
author = {Anja Butter and Thorben Finke and Felicitas Keil and Michael Krämer and Silvia Manconi},
journal= {arXiv preprint arXiv:2112.01403},
year = {2022}
}
备注
22 pages, 10 figures. Minor changes, matches version accepted by JCAP