基于深度学习的吸收凸起识别
计算机视觉与模式识别
2015-11-23 v2 机器学习
神经与进化计算
摘要
普遍存在的星际尘埃颗粒为理解恒星、行星系统和星系的形成与演化提供了重要见解，并可能孕育生命的构建模块。分析尘埃最有效的方式之一是通过它们与背景源光的相互作用。观测到的消光曲线和光谱特征携带着尘埃的尺寸和成分信息。在2175 Angstrom处的宽吸收凸起是消光曲线中最显著的特征。传统上，统计方法被用于检测吸收凸起的存在。这些方法需要繁重的预处理以及其他参考特征的共存以减轻噪声影响。在本文中，我们应用深度学习技术来检测宽吸收凸起。我们展示了训练所选模型的关键步骤及其结果。基于深度学习的方法的成功启发我们推广一种通用方法论以用于更广泛科学发现问题。我们介绍了正在构建的用于此类应用的DeepDis系统的进行中工作。
引用
@article{arxiv.1511.05607,
title = {Identifying the Absorption Bump with Deep Learning},
author = {Min Li and Sudeep Gaddam and Xiaolin Li and Yinan Zhao and Jingzhe Ma and Jian Ge},
journal= {arXiv preprint arXiv:1511.05607},
year = {2015}
}