利用人工神经网络估计光度红移
天体物理学
2009-11-07 v2
摘要
一种新的估计光度红移的方法——使用人工神经网络（ANNs）——被研究。与标准模板匹配光度红移技术不同，需要大量光谱确认的训练数据集，但在数据可用时，ANNs 能产生至少与模板匹配方法一样好甚至更好的光度红移精度。贝叶斯先验对底层红移分布自动考虑在内。此外，除了星系颜色之外，诸如形貌、角度尺寸和面积亮度等输入也容易被纳入并评估其效用。测试了不同的 ANN 架构在半制造模型星系目录上，结果与模板匹配方法进行了比较。最后该方法在来自 Sloan Digital Sky Survey 约 20000 颗星系的样本中进行了测试。在 z < 0.35 的范围内，r.m.s. 红移误差约为 ~0.021。
引用
@article{arxiv.astro-ph/0203250,
title = {Estimating photometric redshifts with artificial neural networks},
author = {Andrew E. Firth and Ofer Lahav and Rachel S. Somerville},
journal= {arXiv preprint arXiv:astro-ph/0203250},
year = {2009}
}
备注
Submitted to MNRAS, 9 pages, 9 figures, substantial improvements to paper structure