用于天文反问题的物理-深度学习混合模型
天体物理仪器与方法
2019-12-10 v1 机器学习
摘要
我们提出了一种贝叶斯机器学习架构，它将具有物理动机的参数化和用于似然的解析误差模型，与提供强大的复杂信号数据驱动先验的深度生成模型相结合。这种组合产生了可解释且可微分的生成模型，允许纳入先验知识，并可用于具有不同数据质量的观测而无需重新训练深度网络。我们以当前成像数据中的天文源分离为例展示了我们的方法，产生了天文场景的物理且可解释的模型。
引用
@article{arxiv.1912.03980,
title = {Hybrid Physical-Deep Learning Model for Astronomical Inverse Problems},
author = {Francois Lanusse and Peter Melchior and Fred Moolekamp},
journal= {arXiv preprint arXiv:1912.03980},
year = {2019}
}
备注
8 pages, accepted submission to the NeurIPS 2019 Machine Learning and the Physical Sciences Workshop