Zephyr：用归一化流拼接异质训练数据以进行测光红移推断
天体物理仪器与方法
2023-11-01 v1 宇宙学与河外天体物理
摘要
我们提出zephyr，一种将前沿归一化流技术整合进混合密度估计框架的新方法，从而能够有效利用异质训练数据进行测光红移推断。与先前方法相比，zephyr通过借助归一化流进行密度估计并融入细致的 uncertainty量化，在点估计与分布重建上均展现出增强的鲁棒性。此外，zephyr通过显式解耦多源训练数据的贡献提供了独特的可解释性，这可通过提供额外的质量评估来促进未来的弱透镜分析。随着概率生成式深度学习技术在天文学中日益重要，zephyr应成为处理异质训练数据同时在保持可解释性并鲁棒地考虑观测不确定性的典范。
引用
@article{arxiv.2310.20125,
title = {Zephyr : Stitching Heterogeneous Training Data with Normalizing Flows for Photometric Redshift Inference},
author = {Zechang Sun and Joshua S. Speagle and Song Huang and Yuan-Sen Ting and Zheng Cai},
journal= {arXiv preprint arXiv:2310.20125},
year = {2023}
}
备注
10 pages, 5 figures, accepted to NeurIPS 2023 workshop on Machine Learning and the Physical Sciences