使用人工神经网络进行谱线反演的策略

本文探讨了使用人工神经网络进行谱线（及其Stokes剖面）反演的三种不同策略。证明了一种直接方法，其中网络是用来自简化模型的合成光谱进行训练的，这会导致对真实观测反演产生显著误差。可以通过至少两种不同方式来克服这一问题，这两种方法在本文中详细研究。第一种方法利用额外的预处理自关联神经网络将观测轮廓投射到理论模型子空间。第二种方法考虑对用于反演的神经网络进行适当的正则化。当应用于合成和观测数据时，这些新技术被证明是稳健可靠的，误差通常小于$\sim$100 G。