面向 Radio Galaxy Zoo 的内在维度估计：基于扩散模型
机器学习
2025-11-17 v1 天体物理仪器与方法
人工智能
摘要
本文使用基于得分的扩散模型对 Radio Galaxy Zoo (RGZ) 数据集的内在维度 (iD) 进行估计。我们检查 iD 估计值随贝叶斯神经网络 (BNN) 能量得分变化的规律，这些得分衡量射电天体与 RGZ 数据集中 MiraBest 子集的相似性。我们发现，超分布源的 iD 值更高，RGZ 的总体 iD 超过自然图像数据集通常报告的值。此外，我们分析了 iD 随 Fanaroff-Riley (FR) 形态分类和信噪比 (SNR) 的变化情况。尽管在 FR I 和 FR II 类别之间未发现明显关系，但在 iD 较低处呈现出较高 SNR 的弱趋势。未来工作可利用 iD 与能量得分之间的关系，对various自监督学习算法所学习的表征进行定量研究和改进。
引用
@article{arxiv.2511.11490,
title = {Intrinsic Dimension Estimation for Radio Galaxy Zoo using Diffusion Models},
author = {Joan Font-Quer Roset and Devina Mohan and Anna Scaife},
journal= {arXiv preprint arXiv:2511.11490},
year = {2025}
}
备注
9 pages, 5 figures, 2 tables, submitted to NeurIPS 2025 ML4PS Workshop