用于月球表面异常检测的无监督分布学习
天体物理仪器与方法
2020-01-15 v1 地球与行星天体物理
机器学习
摘要
在本工作中，我们展示了现代数据驱动的机器学习技术可成功应用于月球表面遥感数据，以无监督方式学习足够好的数据分布表示，从而实现月球技术特征和异常检测。特别地，我们训练了一个无监督分布学习神经网络模型，在测试数据集中寻找Apollo 15着陆器，且未进行针对数据集的模型或超参数调优。足够好的无监督数据密度估计有望实现大量有用的下游任务，包括为未来太空飞行和殖民定位月球资源、发现新撞击坑或月球表面重塑，以及在功率和带宽受限的任务中算法化决定待回传无标签样本的重要性。我们在本工作中表明，此类无监督学习可在月球遥感与空间科学背景下成功完成。
引用
@article{arxiv.2001.04634,
title = {Unsupervised Distribution Learning for Lunar Surface Anomaly Detection},
author = {Adam Lesnikowski and Valentin T. Bickel and Daniel Angerhausen},
journal= {arXiv preprint arXiv:2001.04634},
year = {2020}
}
备注
Second Workshop on Machine Learning and the Physical Sciences, NeurIPS 2019. Five pages, three figures