用于判定 ASAS-SN 食双星光变曲线形态的图像分类算法
太阳与恒星天体物理
2020-12-16 v1 天体物理仪器与方法
摘要
我们基于光变曲线图像对 ASAS-SN 观测到的食双星系统的光变曲线形态进行了分类。收集了具有三类不同形态（分离型 Algol 型、 Lyr 型和 W UMa 型）的 16500 个食双星系统的数据以构建其光变曲线。在图像上采用包含卷积神经网络的深度学习算法以实现令人满意的分类。我们编写了一个名为 ASEBCLASS 的 Python 语言代码，它通过 Keras API 使用 TensorFlow 平台在模型的训练阶段调用数学库。该架构由四组卷积层、激活层、最大池化层以及额外的全连接层组成。结果表明，我们的算法对外部输入图像数据的形态类别估计准确率为 92%。
引用
@article{arxiv.2012.08435,
title = {Image Classification Algorithm for Determining the Light Curve Morphologies of ASAS-SN Eclipsing Binaries},
author = {Burak Ulas},
journal= {arXiv preprint arXiv:2012.08435},
year = {2020}
}
备注
6 pages, 5 figures, 2 tables