ExoSGAN与ExoACGAN：使用对抗训练算法的系外行星检测
地球与行星天体物理
2022-11-09 v1 天体物理仪器与方法
人工智能
机器学习
摘要
系外行星检测为新宜居世界的发现打开了大门，并帮助我们理解行星是如何形成的。以寻找类地宜居行星为目标，NASA发射了开普勒太空望远镜及其后续任务K2。观测能力的进步增加了可用于研究的新数据范围，而人工处理它们既耗时又困难。机器学习和深度学习技术可以极大地协助以经济且无偏的方式降低处理这些系外行星计划现代仪器产生的大量数据所需的人力。然而，应注意精确检测所有系外行星，同时最小化非系外行星恒星的误分类。在本文中，我们利用生成对抗网络的两个变体，即半监督生成对抗网络和辅助分类器生成对抗网络，来检测K2数据中的凌星系外行星。我们发现这些模型的使用有助于对有系外行星的恒星进行分类。我们的两种技术在测试数据上都能以1.00的召回率和精确率对光变曲线进行分类。我们的半监督技术有益于解决创建标注数据集的繁琐任务。
引用
@article{arxiv.2207.09665,
title = {ExoSGAN and ExoACGAN: Exoplanet Detection using Adversarial Training Algorithms},
author = {Cicy K Agnes and Akthar Naveed and Anitha Mary M O Chacko},
journal= {arXiv preprint arXiv:2207.09665},
year = {2022}
}
备注
26 pages total