利用星系图像与深度神经网络测量测光红移
天体物理仪器与方法
2016-06-16 v2 宇宙学与河外天体物理
星系天体物理
数据分析、统计与概率
摘要
我们提出一种利用每个测量波段下的完整星系图像来估计星系测光红移的新方法。该方法借鉴了机器学习尤其是深度神经网络的最新技术与进展。我们将整个多波段星系图像输入机器学习架构，从而获得与现有最佳标准机器学习技术相竞争的红移估计。标准技术利用从星系图像中提取并由用户认为显著的后处理特征（如星等与颜色）来估计红移。这一新方法将用户从测光红移估计流程中移除。但我们确实注意到，深度神经网络所需的计算资源比标准机器学习架构多几个数量级。
引用
@article{arxiv.1504.07255,
title = {Measuring photometric redshifts using galaxy images and Deep Neural Networks},
author = {Ben Hoyle},
journal= {arXiv preprint arXiv:1504.07255},
year = {2016}
}
备注
24 pages, 3 figures, 1 table, version accepted by Astronomy and Computer Science. Expanded conclusions and discussion. Increased test sample size. Results unchanged