Muon Hunter：一个 Zooniverse 项目
天体物理仪器与方法
2018-02-27 v1 高能天体物理现象
数据分析、统计与概率
摘要
现代天体粒子实验原始数据所固有的大型数据集与通常较低的信噪比，要求日益精细的事件分类技术。机器学习算法，如神经网络，有潜力超越传统分析方法，但面临着从真实数据中可靠地识别分类训练样本这一重大挑战。公民科学代表了一种高效梳理大型数据集并应对该挑战的有效途径。Muon Hunter 是托管于 Zooniverse 平台上的一个项目，志愿者在其中对来自 VERITAS 相机的数据图像进行分类以识别 muon 环图像。每幅图像被多次分类以产生一个“干净”的数据集，用于训练和验证一个卷积神经网络模型，该模型既能剔除背景事件，又能识别合适的校准数据以随时间监测望远镜性能。
引用
@article{arxiv.1802.08907,
title = {Muon Hunter: a Zooniverse project},
author = {R. Bird and M. K. Daniel and H. Dickinson and Q. Feng and L. Fortson and A. Furniss and J. Jarvis and R. Mukherjee and R. Ong and I. Sadeh and D. Williams},
journal= {arXiv preprint arXiv:1802.08907},
year = {2018}
}
备注
Presented at TAUP 2017