用于连续引力波候选体聚类的深度学习 II：低信噪比候选体的识别
广义相对论与量子宇宙学
2021-03-24 v2 高能天体物理现象
机器学习
摘要
针对连续引力波信号的广泛搜索依赖于对超过给定显著性阈值的候选体进行逐级跟进流程。简化这些跟进并降低计算成本的一个重要步骤是将邻近候选体归并到单次跟进中。该步骤称为聚类，我们研究使用深度学习网络来执行它。在我们的第一篇论文 [1] 中，我们实现了一种深度学习聚类网络，能够正确识别由强信号形成的簇。在本文中，实现了一种可检测由微弱得多的信号形成簇的网络。这两个网络互补，我们表明两级联的两个网络在宽泛的信号强度范围内实现了优异的检测效率，其误报率可比当前使用的方法更低或与之相当。
引用
@article{arxiv.2012.04381,
title = {Deep learning for clustering of continuous gravitational wave candidates II: identification of low-SNR candidates},
author = {Banafsheh Beheshtipour and Maria Alessandra Papa},
journal= {arXiv preprint arXiv:2012.04381},
year = {2021}
}