利用机器学习测定Be星的倾角
太阳与恒星天体物理
2023-10-31 v1
摘要
我们检验了使用合成Hα线轮廓训练机器学习算法，从单条观测到的中分辨率、中等信噪比光谱中测定Be星倾角（中心B星自转轴与观测者视线之间的夹角）的可行性。我们比较了三种不同机器学习算法的性能：执行回归的神经网络、执行分类的神经网络以及支持向量回归。在这三种算法中，执行回归的神经网络在92颗银河系Be星的观测样本上始终优于其他方法，该样本倾角已知（来自直接Hα轮廓拟合、引力暗化的光谱特征，少数情况来自解析吸积盘的面干涉观测），其RMSE误差为7.6度。训练好的神经网络能够快速且有效地测定观测Be星的倾角，可用于在年轻疏散星团中搜寻相关自旋轴，或从v sin(i)测量中提取赤道旋转速度。
引用
@article{arxiv.2310.18437,
title = {Inclination Angles for Be Stars Determined Using Machine Learning},
author = {B. D. Lailey and T. A. A. Sigut},
journal= {arXiv preprint arXiv:2310.18437},
year = {2023}
}
备注
14 pages, 7 figures