光学巡天中伽马射线暴余辉的机器学习搜索

Martin Topinka

光学巡天中伽马射线暴余辉的机器学习搜索

天体物理仪器与方法 2015-11-17 v1 高能天体物理现象

作者: Martin Topinka

摘要

得益于机器人望远镜的进步，时域天文学每晚在图像中探测到大量暂现事件。本文介绍了用于天体分类的数据挖掘和机器学习工具。目标是自动分类暂现事件，以便用更大望远镜进行后续观测，并对暂现事件进行统计研究。特别关注伽马射线暴余辉的识别。基于 $g'-r'$ 、 $r'-i'$ 和 $i'-z'$ 颜色指数，利用机器学习技术从 SDSS 档案图像中的天体里识别 GROND 伽马射线暴余辉。比较了支持向量机、随机森林和神经网络算法的性能。构建于各个分类器之上的联合元分类器，能以 $\gtrsim 90\%$ 的总体准确率识别 GRB 余辉。

关键词

伽马射线暴余辉机器学习暂现事件分类光学巡天 SDSS 元分类器

引用

@article{arxiv.1511.04555,
  title  = {Machine Learning Search for Gamma-Ray Burst Afterglows in Optical Surveys},
  author = {Martin Topinka},
  journal= {arXiv preprint arXiv:1511.04555},
  year   = {2015}
}

备注

Submitted to A&A

光学巡天中伽马射线暴余辉的机器学习搜索

摘要

关键词

引用

备注

相关论文