METAPHOR：基于机器学习的测光红移概率密度估计
天体物理仪器与方法
2017-06-14 v1
摘要
我们提出了 METAPHOR（Machine-learning Estimation Tool for Accurate PHOtometric Redshifts，基于机器学习的精确测光红移估计工具），这是一种能够通过经验技术为测光星系红移提供可靠概率密度函数（PDF）的方法。METAPHOR 是一个模块化工作流，主要基于 MLPQNA 神经网络作为内部引擎来推导测光星系红移，但也允许轻松地将 MLPQNA 替换为任何其他用于预测 photo-z 及其 PDF 的方法。我们在此展示了在 SDSS-DR9 星系上对该工作流进行验证测试的结果，并通过用 KNN 和 Random Forest 模型替换 MLPQNA 展示了该方法的普适性。验证测试还包括与从传统 SED 模板拟合方法（Le Phare）导出的 PDF 的比较。
引用
@article{arxiv.1703.02292,
title = {METAPHOR: Probability density estimation for machine learning based photometric redshifts},
author = {Valeria Amaro and Stefano Cavuoti and Massimo Brescia and Civita Vellucci and Crescenzo Tortora and Giuseppe Longo},
journal= {arXiv preprint arXiv:1703.02292},
year = {2017}
}
备注
proceedings of the International Astronomical Union, IAU-325 symposium, Cambridge University press