用于连续引力波候选体聚类的深度学习
广义相对论与量子宇宙学
2020-03-11 v2 天体物理仪器与方法
数据分析、统计与概率
摘要
在搜索极多()模板的连续引力波时，聚类是一种强有力的工具，它通过识别并捆绑由同一根本原因导致的候选体来提高搜索灵敏度。我们实现了一个深度学习网络，用于识别连续引力波搜索输出中的信号候选体簇并评估其性能。对于强信号，我们的网络以极低的误报率实现了高于 97% 的探测效率，并对振幅较低的信号（即 当前上限值）保持合理的探测效率。
引用
@article{arxiv.2001.03116,
title = {Deep learning for clustering of continuous gravitational wave candidates},
author = {Banafsheh Beheshtipour and Maria Alessandra Papa},
journal= {arXiv preprint arXiv:2001.03116},
year = {2020}
}