LUCI更新：一种使用混合密度网络的新拟合范式
天体物理仪器与方法
2021-11-29 v1 星系天体物理
摘要
LUCI是一个通用的谱线拟合管线，原生集成机器学习算法以初始化拟合函数。LUCI目前使用从卷积神经网络（CNN）获得的点估计来为优化算法提供信息；该方法已显示出巨大潜力，可减少计算时间并降低使用凸优化方法时陷入局部最小值的几率。在本次LUCI更新中，我们扩展了Rhea等人2020年开发的CNN，使其输出感兴趣拟合参数（速度和展宽）的高斯后验分布，而非简单的点估计。此外，这些后验分布随后用于为贝叶斯推断方案（emcee或dynesty）中的先验提供信息。代码公开于https://github.com/crhea93/LUCI。
引用
@article{arxiv.2111.12755,
title = {Updates to LUCI: A New Fitting Paradigm Using Mixture Density Networks},
author = {Carter L. Rhea and Julie Hlavacek-Larrondo and Laurie Rousseau-Nepton and Simon Prunet},
journal= {arXiv preprint arXiv:2111.12755},
year = {2021}
}
备注
Submitted to RNAAS. Code can be found at https://github.com/crhea93/LUCI