MiraBest：用于机器学习的形态分类射电源星系数据集
天体物理仪器与方法
2023-05-19 v1 机器学习
摘要
当前与未来观测站的数据量促使天文学中自动化机器学习方法的开发与运用不断增加。然而，用于评估天文学与天体物理中不同机器学习算法性能的标准化数据集的产出较少受到关注。在此我们详细描述 MiraBest 数据集，这是一个公开的可批处理数据集，包含来自 NVSS 与 FIRST 的 1256 个射电响亮 AGN，筛选条件为 ，由 Miraghaei 与 Best（2017）依据 Fanaroff-Riley 形态分类手动标注，为机器学习应用而创建，并兼容标准深度学习库使用。我们概述了该数据集构建的基本原则、样本选择与预处理方法、数据集结构与组成，以及 MiraBest 与文献中其他所用数据集的比较。我们回顾了利用 MiraBest 数据集的现有应用，并通过将 MiraBest 与文献中更广泛用于机器学习应用的其它射电响亮 AGN 星表交叉匹配，创建了一个包含 2100 个源的扩展数据集。
引用
@article{arxiv.2305.11108,
title = {MiraBest: A Dataset of Morphologically Classified Radio Galaxies for Machine Learning},
author = {Fiona A. M. Porter and Anna M. M. Scaife},
journal= {arXiv preprint arXiv:2305.11108},
year = {2023}
}
备注
14 pages, 2 figures, accepted by RASTI