用于实时引力波信号识别的深度卷积神经网络集成方法
天体物理仪器与方法
2022-04-27 v1
摘要
随着深度学习技术的快速发展，越来越多的研究者将其应用于引力波（GW）数据分析。以往的研究集中于单一的深度学习模型。在本文中，我们设计了一种结合一组卷积神经网络（CNN）的集成算法用于GW信号识别。整个集成模型由两个子集成模型组成。每个子集成模型也是一个深度学习的集成模型。两个子集成模型分别处理Hanford和Livinston探测器的数据。采用适当的投票方案将两个子集成模型组合以形成整个集成模型。我们将该集成模型应用于LIGO-VIRGO科学合作组织在第一和第二观测运行（O1/O2）中报告的所有GW事件。我们发现该集成算法能清晰识别所有双黑洞并合事件，除GW170818外。我们还将该集成模型应用于O2的一个月（2017年8月）数据。尽管仅使用O1数据训练，未发生误触发。我们的测试结果表明集成学习算法可用于实时GW数据分析。
引用
@article{arxiv.2204.12058,
title = {Ensemble of Deep Convolutional Neural Networks for real-time gravitational wave signal recognition},
author = {CunLiang Ma and Wei Wang and He Wang and Zhoujian Cao},
journal= {arXiv preprint arXiv:2204.12058},
year = {2022}
}
备注
The test code and the source data are available at https://github.com/WeiWang31/EnsembleModel