用于在现代巡天数据中搜寻 L 与 T 型棕矮星的机器学习方法
太阳与恒星天体物理
2023-08-21 v3 天体物理仪器与方法
机器学习
摘要
据多种估计，棕矮星(BD)应占银河系中所有天体的至多 25%。然而，无论是个体还是作为总体，被发现并充分研究的都很少。此类研究需要均匀且完整的棕矮星样本。由于其暗弱，棕矮星的光谱研究相当费力。因此，创建由光谱观测确认的有意义且可靠的棕矮星样本，目前似乎难以实现。已有许多尝试利用其颜色作为决策规则应用于海量巡天数据来搜寻并建立棕矮星集合。本工作中，我们在 PanStarrs DR1、2MASS 和 WISE 数据上使用随机森林分类器、XGBoost、SVM 分类器和 TabNet 等机器学习方法，将 L 与 T 型棕矮星与其他光谱与光度类天体区分开。文中讨论了模型的解释。我们还将我们的模型与经典决策规则比较，证明了其效率与相关性。
引用
@article{arxiv.2308.03045,
title = {Machine learning methods for the search for L&T brown dwarfs in the data of modern sky surveys},
author = {Aleksandra Avdeeva},
journal= {arXiv preprint arXiv:2308.03045},
year = {2023}
}
备注
12 pages, 10 figures, Accepted for publication in Astronomy and Computing