基于级联变分自编码器的无监督星体-星系分类
机器学习
2019-11-01 v1 机器学习
摘要
天文学中日益增长的数据量为机器学习研究带来了巨大挑战。此前，基于人工标注数据集的监督学习方法在星体-星系分类任务上取得了令人满意的识别精度。在本工作中，我们提出了一种用于星体-星系识别任务的新颖无监督方法，即级联变分自编码器（Cascade Variational Auto-Encoder, CasVAE）。我们的实验结果表明，该方法在准确率和稳定性上均优于基线模型。
引用
@article{arxiv.1910.14056,
title = {Unsupervised Star Galaxy Classification with Cascade Variational Auto-Encoder},
author = {Hao Sun and Jiadong Guo and Edward J. Kim and Robert J. Brunner},
journal= {arXiv preprint arXiv:1910.14056},
year = {2019}
}