用于分类干涉引力波探测器瞬态噪声的无监督学习架构
广义相对论与量子宇宙学
2022-06-22 v2 数据分析、统计与概率
机器学习
摘要
在激光干涉引力波探测器获得的数据中，具有高非平稳和非高斯特征的瞬态噪声频繁出现。这常导致探测器不稳定以及引力波信号被掩盖和/或模仿等问题。该瞬态噪声在时频表示中具有多种特征，被认为与环境及仪器起源有关。瞬态噪声的分类可为探索其起源和提升探测器性能提供线索。实现此目的的一种方法是监督学习。然而一般而言，监督学习需要对训练数据进行标注，并且在分类及其对应新类的客观性保障上存在问题。相比之下，无监督学习可减少训练数据的标注工作，并保障分类及其对应新类的客观性。在本研究中，我们提出了一种结合变分自编码器和不变信息聚类的瞬态噪声分类无监督学习架构。为评估所提架构的有效性，我们使用了由 Gravity Spy 项目准备的激光干涉引力波天文台（LIGO）首次观测运行的数据集（时频二维谱图图像及标签）。我们提出的无监督学习架构给出的类别与 Gravity Spy 项目标注的标签一致，这显示了存在未揭示类别的潜力。
引用
@article{arxiv.2111.10053,
title = {Unsupervised Learning Architecture for Classifying the Transient Noise of Interferometric Gravitational-wave Detectors},
author = {Yusuke Sakai and Yousuke Itoh and Piljong Jung and Keiko Kokeyama and Chihiro Kozakai and Katsuko T. Nakahira and Shoichi Oshino and Yutaka Shikano and Hirotaka Takahashi and Takashi Uchiyama and Gen Ueshima and Tatsuki Washimi and Takahiro Yamamoto and Takaaki Yokozawa},
journal= {arXiv preprint arXiv:2111.10053},
year = {2022}
}
备注
18 pages, 9 figures. Matches version published in Scientific Reports