基于极小极大熵的域适应用于天文警报的真/伪分类
天体物理仪器与方法
2023-08-16 v1 人工智能
机器学习
摘要
时域天文学正朝着实时分析多个大规模数据集的方向发展，推动了多流机器学习模型的开发。在这项工作中，我们研究了用于天文警报真/伪分类的域适应（DA），使用了四个不同的数据集：HiTS、DES、ATLAS和ZTF。我们研究了这些数据集之间的域偏移，并通过微调方法和基于极小极大熵（MME）的半监督深度DA改进了一个朴素的深度学习分类模型。我们比较了这些模型在不同源-目标场景下的平衡准确率。我们发现，微调模型和MME模型仅使用来自目标数据集的每类一个标注样本，就能显著改进基础模型，且MME不会损害其在源数据集上的性能。
引用
@article{arxiv.2308.07538,
title = {Domain Adaptation via Minimax Entropy for Real/Bogus Classification of Astronomical Alerts},
author = {Guillermo Cabrera-Vives and César Bolivar and Francisco Förster and Alejandra M. Muñoz Arancibia and Manuel Pérez-Carrasco and Esteban Reyes},
journal= {arXiv preprint arXiv:2308.07538},
year = {2023}
}