用于脉冲星候选体筛选的拼接卷积神经网络
天体物理仪器与方法
2023-12-27 v1
摘要
脉冲星搜寻对物理与天体物理领域的科学研究至关重要。随着射电望远镜的发展，候选体数量的爆发式增长及其增速带来了若干挑战。因此，迫切需求开发一种自动、准确且高效的脉冲星候选体筛选方法。为满足该需求，本工作设计了一种拼接卷积神经网络（CCNN）来识别从五百米口径球面射电望远镜（FAST）数据中收集的候选体。CCNN 利用卷积神经网络（CNN）从诊断子图中提取若干“类脉冲星”模式，并通过拼接层组合这些 CNN 特征。因此，CCNN 是一种端到端学习模型，无需任何中间标签，这使得 CCNN 适用于脉冲星候选体筛选的在线学习流程。在 FAST 数据上的实验结果表明，CCNN 在类似场景下优于现有最先进模型，在总计 326 个真实脉冲星中仅漏检 4 个。
引用
@article{arxiv.2004.00257,
title = {Concat Convolutional Neural Network for Pulsar Candidate Selection},
author = {Qingguo Zeng and Xiangru Li and Haitao Lin},
journal= {arXiv preprint arXiv:2004.00257},
year = {2023}
}
备注
10 pages, 8figures