基于人工神经网络的CANARY开环层析成像：天观测结果
天体物理仪器与方法
2014-05-28 v1
摘要
我们展示了在拉帕尔马4.2米威廉·赫歇尔望远镜上运行的自适应光学演示器Canary上，基于机器学习的复杂大气重构器（CARMEN）——一种基于人工神经网络（ANN）的层析重构器——初步测试的最新结果。该重构器与使用“学习与应用”（L&A）层析重构器同期获得的数据进行了比较。我们发现，完全优化的L&A层析重构器在斯特列尔比上优于CARMEN约5%，或在波前误差上优于15纳米均方根。我们还展示了Canary在地面层自适应光学模式下的结果，以证明重构器是层析的。结果具有可比性，这一微小差距归因于用于构建ANN的训练数据的局限性。实验室台架测试表明，在某些条件下，例如当模型双层大气的高层高度变化约300米（相当于约十分之一子孔径的偏移）时，ANN可以优于L&A。
引用
@article{arxiv.1405.6862,
title = {Open-loop tomography with artificial neural networks on CANARY: on-sky results},
author = {J. Osborn and F. J. De Cos Juez and D. Guzman and A. Basden and T. J. Morris and E. Gendron and T. Butterley and R. M. Myers and A. Gueslaga and F. S. Lasheras and M. G. Victoria and M. L. S. Rodriguez and D. Gratadour and G. Rousset},
journal= {arXiv preprint arXiv:1405.6862},
year = {2014}
}
备注
8 pages, 6 figures