在含噪且不规则采样的时间序列中揭示延迟模式：一项天文学应用
宇宙学与河外天体物理
2009-08-27 v1 天体物理仪器与方法
机器学习
神经与进化计算
摘要
我们研究了估计两个信号之间时间延迟的问题，这两个信号代表同一底层模式的延迟、不规则采样和含噪版本。我们提出并展示了一种进化算法，用于在天文学问题背景下估计基于核技术的(超)参数，即估计来自遥远类星体的两个引力透镜信号之间的时间延迟。进化算法中使用混合类型(整数和实数)来表示变量。我们在多个人工数据集以及真实的天文观测数据(类星体Q0957+561)上测试了该算法。通过对结果进行统计分析，我们将我们的方法与天体物理学中最流行的时间延迟估计方法进行了详细比较。我们的方法产生了更准确、更稳定的时间延迟估计：对于Q0957+561，我们得到图像A和B之间的时间延迟为419.6天。我们的方法可以很容易地应用于当前天文学中先进的光学监测数据，也可以应用于涉及类似时间序列数据的其他学科。
引用
@article{arxiv.0908.3706,
title = {Uncovering delayed patterns in noisy and irregularly sampled time series: an astronomy application},
author = {Juan C. Cuevas-Tello and Peter Tino and Somak Raychaudhury and Xin Yao and Markus Harva},
journal= {arXiv preprint arXiv:0908.3706},
year = {2009}
}
备注
36 pages, 10 figures, 16 tables, accepted for publication in Pattern Recognition. This is a shortened version of the article: interested readers are urged to refer to the published version