用提升树方法探测活动星系核的周期性
星系天体物理
2021-03-31 v1 计算物理
摘要
我们应用名为 XGBoost 的机器学习算法来探索两个射电源的周期性：PKS~1921-293 (OV~236) 和 PKS~2200+420 (BL~Lac)，两者射电频率数据集均来自密歇根大学射电天文台 (UMRAO)，频率分别为 4.8 GHz、8.0 GHz 和 14.5 GHz，时间跨度为 1969 至 2012 年。通过该方法，我们发现 XGBoost 提供了在射电数据集上采用基于机器学习的方法，并通过与传统处理时间序列及借助循环事件分类获取周期性截然不同的策略来提取信息的机会。结果与其他工作中检验同一数据集的方法进行比较，并与之表现出良好一致。
引用
@article{arxiv.2010.07978,
title = {Periodicity detection in AGN with the boosted tree method},
author = {S. B. Soltau and L. C. L. Botti},
journal= {arXiv preprint arXiv:2010.07978},
year = {2021}
}
备注
Submitted to the Revista Mexicana de Astronom\'ia y Astrof\'isica in Aug 03, 2020. Accepted oct 15, 2020. Will appear in v. 57, n.1, April 2021