ZTF光曲线的多带神经网络分类作为LSST的代理
天体物理仪器与方法
2026-02-25 v2 太阳与恒星天体物理
摘要
本项目使用 Zwicky Transient Facility 获取的数据开发和测试一种基于神经网络的多带分类算法，用于分类周期性变星（即脉动变星和遮光二元星）。目标是利用该算法处理即将到来的 LSST 数据。使用来自五种不同变星类型的相位折叠光曲线图像和周期信息：经典型II类头星、{\delta} Scuti 星、遮光二元星和 RR Lyrae 星。数据来自 ZTF 的第 17 版数据 release，我们使用其中两种通带（g 和 r）。通过计算原始数据的周期，并将这些信息作为额外的数值输入用于神经网络。用于训练和测试过程的监督式机器学习方法被创建，神经网络包含卷积神经网络与全连接层的串联。在训练-验证过程中，训练准确率达到 99%，验证准确率峰值达到 95.6%。在测试分类阶段，五类变星中有三类以约 99% 的准确率被分类，另外两种也具有非常高的准确率，分别为 89.6% 和 93.6%。
关键词
引用
@article{arxiv.2512.13395,
title = {Multiband neural network classification of ZTF light curves as LSST proxies},
author = {Tamás Szklenár and Attila Bódi and Róbert Szabó},
journal= {arXiv preprint arXiv:2512.13395},
year = {2026}
}
备注
10 pages, 7 figures, accepted for publication in A&A