利用机器学习技术对系外行星进行识别与分类
地球与行星天体物理
2023-05-17 v1 天体物理仪器与方法
机器学习
计算物理
摘要
NASA 的 Kepler 空间望远镜在探测银河系中系外行星存在与否的任务中发挥了关键作用。这一搜寻得到了计算数据分析的支持，以从 Kepler 望远镜接收的信号中识别系外行星。本文中，我们考虑在已有基于残差网络处理 Kepler 空间望远镜及其扩展任务 K2 数据以识别系外行星的工作基础上进行拓展。本文旨在探索深度学习算法如何在一类数据量较少、另一类数据种类更丰富的情况下，辅助对系外行星存在与否进行分类。除标准基于 CNN 的方法外，我们提出了一种尤其适用于低数据场景分类的 Siamese 架构。CNN 与 ResNet 算法在三分类上达到 68% 的平均准确率，二分类上达到 86%。然而，对于三分类与二分类，Siamese 算法均取得了 99% 的准确率。
引用
@article{arxiv.2305.09596,
title = {Identification and Classification of Exoplanets Using Machine Learning Techniques},
author = {Prithivraj G and Alka Kumari},
journal= {arXiv preprint arXiv:2305.09596},
year = {2023}
}
备注
16pages, 3 figures