卷积神经网络与斯托克斯响应函数
天体物理仪器与方法
2022-02-09 v1 太阳与恒星天体物理
摘要
在这项工作中，我们研究了一个卷积神经网络（CNN）在经训练执行合成 Ca II 强度谱数据库与用于生成此类谱的大气温度垂直分层之间的逆映射时所学习到的信息内容。特别地，我们评估了该神经网络提取谱线对温度随高度灵敏度的信息的能力。通过在 Ca II 谱线轮廓上足够窄的波长区间训练 CNN，我们发现温度预测误差与谱线对温度的响应函数呈反比关系，即谱的不同区域在其预期的生成区域产生更好的温度预测。本工作表明，CNN 在训练过程中学习的函数包含了波长与大气高度之间具有物理意义的映射。
引用
@article{arxiv.2112.03802,
title = {Convolutional Neural Networks and Stokes Response Functions},
author = {Rebecca Centeno and Natasha Flyer and Lipi Mukherjee and Ricky Egeland and Roberto Casini and Tanausu del Pino Aleman and Matthias Rempel},
journal= {arXiv preprint arXiv:2112.03802},
year = {2022}
}
备注
Accepted for publication in ApJ