Scifaro

中文

通过潜原因消除系外行星搜索中的系统误差

机器学习 2015-05-13 v1 地球与行星天体物理天体物理仪器与方法机器学习

作者: Bernhard Schölkopf , David W. Hogg , Dun Wang , Daniel Foreman-Mackey , Dominik Janzing , Carl-Johann Simon-Gabriel , Jonas Peters

在 arXiv 上查看 ↗ PDF ↗

摘要

我们描述了一种用于消除混杂因素效应以重建感兴趣的潜变量的方法。该方法称为半同胞回归（half-sibling regression），其灵感来自近期使用加性噪声模型的因果推断工作。我们提供了理论依据，并在一个具有挑战性的天文学应用中说明了该方法的潜力。

关键词

系统误差混杂因素潜原因半同胞回归因果推断加性噪声模型系外行星搜索

引用

@article{arxiv.1505.03036,
  title  = {Removing systematic errors for exoplanet search via latent causes},
  author = {Bernhard Schölkopf and David W. Hogg and Dun Wang and Daniel Foreman-Mackey and Dominik Janzing and Carl-Johann Simon-Gabriel and Jonas Peters},
  journal= {arXiv preprint arXiv:1505.03036},
  year   = {2015}
}

备注

Extended version of a paper appearing in the Proceedings of the 32nd International Conference on Machine Learning, Lille, France, 2015