用于 OTELO 星系同时一致分类与测光红移的非时序神经网络
天体物理仪器与方法
2021-11-24 v1 星系天体物理
摘要
背景。计算技术对于在现代巡天产生的大型数据库中进行带有增值产品的挖掘至关重要。目的。本文提出一种机器学习流程，用于同时开展星系形态分类与测光红移估计。目前，仅光谱能量分布（SED）拟合被用于一次性获得这些结果。方法。我们使用 OTELO 星表收集的辅助数据，设计了一个接受光学与近红外测光作为输入的非时序神经网络。该网络将形态分类任务的结果传递给红移拟合过程，以确保两种过程间的一致性。结果。结果成功恢复了测试样本的形态分类与红移，减少了由 SED 拟合产生的灾难性红移异常值，并避免了独立分类与红移估计之间可能的差异。我们的技术可调整以纳入星系图像来改进分类。
引用
@article{arxiv.2108.09415,
title = {Non-Sequential Neural Network for Simultaneous, Consistent Classification and Photometric Redshifts of OTELO Galaxies},
author = {José A. de Diego and Jakub Nadolny and Ángel Bongiovanni and Jordi Cepa and Maritza A. Lara-López and Jesús Gallego and Miguel Cerviño and Miguel Sánchez-Porta and J. Ignacio González-Serrano and Emilio J. Alfaro and Mirjana Pović and Ana María Pérez García and Ricardo Pérez Martínez and Carmen P. Padilla Torres and Bernabé Cedrés and Diego García-Aguilar and J. Jesús González and Mauro González-Otero and Rocío Navarro-Martínez and Irene Pintos-Castro},
journal= {arXiv preprint arXiv:2108.09415},
year = {2021}
}
备注
Astronomy and Astrophysics (A&A) accepted