深度学习在恒星参数测定中的应用 III——去噪流程
太阳与恒星天体物理
2024-12-09 v1 星系天体物理
天体物理仪器与方法
计算物理
摘要
在本系列第三篇论文中，我们研究了光谱去噪在恒星参数推导中的必要性。我们为此使用了两组不同的数据集。第一组数据集包含分辨率为 42000、波长范围为 4450–5400 Å 的光谱，第二组包含分辨率为 11500、波长范围为 8400–8800 Å 的光谱。我们构建了两种去噪技术：自编码器和主成分分析。通过向合成光谱中添加随机高斯噪声，我们训练了一个神经网络来推导去噪后光谱的恒星参数 Teff、log g、ve sin i、ξt 和 [M/H]。我们发现，无论采用何种去噪技术，在对合成光谱进行去噪后，恒星参数的精度值均未提高。这在是否对恒星参数神经网络应用数据增强的情况下均成立。
引用
@article{arxiv.2412.04631,
title = {Deep Learning application for stellar parameters determination: III- Denoising Procedure},
author = {Marwan Gebran and Ian Bentley and Rose Brienza and Frédéric Paletou},
journal= {arXiv preprint arXiv:2412.04631},
year = {2024}
}
备注
12 pages, 5 figures, accepted for publication in Open Astronomy