基于神经网络的大视场小口径望远镜光学瞬变目标分类
天体物理仪器与方法
2019-07-17 v1 机器学习
摘要
大视场小口径望远镜是快速巡天的主力设备。瞬变源发现是其首要任务之一。在真实源与伪影之间对候选瞬变图像进行高精度分类是瞬变发现的重要步骤。在本文中，我们提出两种基于神经网络的瞬变分类方法。第一种方法使用无池化层的卷积神经网络对低采样率瞬变图像进行分类。第二种方法将瞬变图像视为一维信号，并基于具有长短期记忆与在各检测层中使用 leaky ReLu 激活函数的循环神经网络。利用真实观测数据测试，我们发现尽管这两种方法均可达到超过 94% 的分类准确率，它们对不同目标具有不同的分类特性。基于此结果，我们提出使用集成学习方法来将分类准确率进一步提升至超过 97%。
引用
@article{arxiv.1904.12987,
title = {Optical Transient Object Classification in Wide Field Small Aperture Telescopes with Neural Networks},
author = {Peng Jia and Yifei Zhao and Gang Xue and Dongmei Cai},
journal= {arXiv preprint arXiv:1904.12987},
year = {2019}
}
备注
13 pages, 10 figures. Accepted by AJ and all the code can be downloaded from aojp.lamost.org. Comments welcome