用于射电天文学的E(2)等变自注意力
天体物理仪器与方法
2021-12-01 v2 计算机视觉与模式识别
摘要
在这项工作中，我们引入群等变自注意力模型来解决天文学中可解释的射电星系分类问题。我们评估了循环与二面体等变的不同阶数，并表明将等变性作为先验既减少了拟合数据所需的训练轮数，又带来了性能提升。我们强调了在使用自注意力作为可解释模型时等变性的益处，并说明等变模型在其分类中统计上关注与人类天文学家相同的特征。
引用
@article{arxiv.2111.04742,
title = {E(2) Equivariant Self-Attention for Radio Astronomy},
author = {Micah Bowles and Matthew Bromley and Max Allen and Anna Scaife},
journal= {arXiv preprint arXiv:2111.04742},
year = {2021}
}
备注
Accepted in: Fourth Workshop on Machine Learning and the Physical Sciences (35th Conference on Neural Information Processing Systems; NeurIPS2021); final version; 7 pages, 3 figures